基于混频数据抽样的已实现EGARCH模型的波动率预测

该文以沪深300股指期货高频数据为样本,在Realized EGARCH模型的基础上引入了混频数据抽样(MIDAS)结构与时变波动,构建了基于偏t分布的SMA-Realized EGARCH MIDAS模型,该模型提高了模型捕捉长记忆性的能力,更好地刻画了模型的时变波动性.通过滚动时间窗的方法对模型进行VaR预测与后验测试,采用MCS检验评估各模型在不同测度下的波动率预测能力.研究结果显示:相比于传统的Realized GARCH模型、Realized EGARCH模型和Realized EGARCH MIDAS模型,本文提出的SMA-Realized EGARCH MIDAS模型具有更好的样本拟合效果与样本外波动率预测精度.

基于混频数据抽样的已实现波动率长记忆模型

基于已实现GARCH模型和混频数据抽样(MIDAS)结构,提出了已实现混频数据抽样GARCH模型.该模型使用混频数据抽样结构从已实现测度中提取长短期波动率信息以提升模型对波动率的拟合和预测能力.基于指数和个股数据的实证分析表明,相比传统的已实现GARCH模型,新模型的样本内拟合能力更强,对长记忆性的捕捉更好.样本外结果表明,新模型显著提升了波动率的多步预测效果,并且改进效果随着预测期的延长而增强.

我国电影票房收入增长对GDP增速的预测作用——基于混频数据抽样模型的实证分析

电影产业在我国经济发展中的作用日益显著,电影市场与我国宏观经济发展的内在联系有待深入研究。选取2012年1月到2018年3月我国周度电影票房收入增速作为高频解释变量,采用自回归分布滞后混频数据抽样模型(ADL-MIDAS)分析其与季度GDP增速及月度制造业PMI增速之间的关系,结果表明:电影票房收入增速与GDP增速和制造业PMI增速之间具有负向相关关系,我国电影市场存在"口红效应",可以根据电影票房收入增长情况对宏观经济走势做出预判。对多种模型的比较结果显示,加入电影票房收入可以显著提高GDP预测精度,电影票房收入可以作为GDP预测指标体系的有益补充。

混频数据抽样模型等权低频化处理的估计偏误研究

文章通过剖析三种基础形式的混频数据抽样模型的内部结构,将其分解为等权重加权平均和非等权重加权平均两部分之和,从理论上证明了将高频数据等权低频化处理的EQW模型会造成高频变量的信息损失。并通过数理推导,证明了EQW模型的普通最小二乘估计量（OLS）有偏,而且高频解释变量与低频被解释变量的频率倍差越大,估计量的有效性越低。

房地产投资对GDP增速的实时预测效果分析--基于混频数据抽样模型

为检验房地产投资对实时预测GDP增速的作用与意义,文章利用向前h步预测的自回归混频数据抽样模型,选取2008年到2018年的房地产投资月度变化率作为高频解释变量,与我国消费、投资和出口三个常见的宏观经济变量实时预测季度GDP增速的效果进行比较分析。研究结果发现:在向前1步实时预测GDP增速时,虽然四项指标均表现尚可,但房地产投资这一指标预测误差最小,表现最优;房地产投资的向前h步混频数据抽样模型的预测效果远远胜于相对应的同频模型;由于不同滞后阶数对应的向前1步预测的自回归混频数据抽样模型均表现良好,而向前2步或以上时则不尽然,故房地产投资变化率更适合用于实时预测GDP增速。

铜川市信贷支持产业结构升级路径研究——基于混频数据抽样模型

铜川市是典型资源型转型城市,而产业结构升级是资源型城市转型的核心。我国银行信贷作为支持实体经济发展的主要途径,能有效通过金融资产配置,促进经济结构调整。本文在分析铜川市信贷支持产业升级的基础上,结合信贷支持影响产业升级理论机制及信贷支持路径,通过构建理论模型对铜川市信贷支持产业转型升级影响因素进行实证分析,针对信贷支持产业升级过程中存在的问题及短板,结合实证分析结论给出相关政策建议。

基于混频模型的外商直接投资对中国宏观经济波动预测研究

引入外商直接投资(foreign direct investment,FDI)和“三驾马车”,基于混频数据抽样模型预测中国季度GDP增长率,考察新冠疫情背景下FDI对中国宏观经济波动的影响。研究发现,单变量混频模型的均方根误差(root mean square error,RMSE)小于基准模型,预测精准度更高;多元混频模型引入FDI后,模型的实时预报RMSE比值为0.13,低于未引入的0.16,预测季度GDP增长率更精准;基于FDI预测的季度GDP增长率较“三驾马车”更高,表明FDI促进经济增长。

基于混频数据的中国上市公司财务困境动态预测研究

本文以年度财务指标、年度失业率、季度GDP增长率以及月度通货膨胀率为解释变量,以年频的财务困境状态变量为响应变量,结合指数Almon多项式赋权和逻辑回归方法,构建了不同时间窗口(t-k年)的中国上市公司财务困境低频预测模型。进一步地,本文捕捉了上市公司摘戴帽的季度时间信息,将财务困境状态设置为季频变量,又构建了中国上市公司财务困境的高频预测模型,揭示混频宏观和财务因素对企业未来每季度发生财务危机的预警功能。本研究创新和特色在于:构建年度的失业率、季度GDP增长率、月度CPI增长率与企业财务困境状态的非线性函数关系,反映不同频率的关键宏观因素变化对企业清偿能力的影响。本文研究结果表明:(1)通过引入高频宏观经济指标,能有效提高中国上市制造业企业财务困境的年度预测表现。以t-3年模型为例,混频模型相比同频的年度数据模型的AUC值提高了7.32%。(2)不同频率的关键宏观因素在不同年度的预测表现不同。月度的通货膨胀率仅在t-2年模型中具有显著预测功能。季度的GDP增长率、年度的失业率在不同窗口下的模型中,均具有统计意义下的显著影响。(3)与低频的年度财务困境预测相比,年度失业率指标不再对企业季度财务困境状况的变化具有显著影响,而行业景气指数却表现出明显的预测功能。季度GDP增长率和月度通货膨胀率数据的经济意义更加明显,在企业财务困境风险的季度高频预测中,表现出更强的时效性。

港口物流对当地经济的混频预测分析

为深入探究港口物流与当地宏观经济的内在联系,采用混频数据抽样(mixed-frequency data sampling,MIDAS)模型分析国内5个省市港口的月度港口货物吞吐量增长率对其季度GDP增长率预测的有效性。研究结果表明:港口货物吞吐量表征的港口物流对当地GDP具有较好的预测效果;相较于传统的季节性自回归综合移动平均(autoregressive integrated moving average,ARIMA)模型,MIDAS模型能够捕捉高频解释变量的有用信息,提高预测精度。

基于电力大数据的中国GDP现时预测

传统的宏观经济预测通常基于同频预测模型和滞后的经济统计数据进行研究,影响了预测的时效性与精确度。文章以实时的电力大数据指标为解释变量,基于混频数据抽样模型、动态因子模型及预测组合方法现时预测中国的GDP增长率。研究结果表明:电力数据较之于消费、投资、出口具有更优的现时预测效果,消费、投资是拉动我国经济增长的重要因素;包含自回归项的MIDAS模型具有更好的现时预测效果,而且细分指标预测组合的预测效果整体上优于总指标。

哪些行业承载来自上海原油期货市场更多的风险溢出

自2018年建立以来,上海原油期货市场与我国股市风险波动的联动愈发明显。不同于以往更关注整体股市的研究,本文从行业维度出发,探究上海原油期货市场对我国各行业的风险溢出效应。选取2019年9月1日到2022年9月1日期间上海证券市场十个一级行业指数的5分钟收益率数据,引入GAS模型弥补GARCH类模型的不足,并建立MIDAS-Copula-CoVaR模型对各行业的条件风险以及承载的风险溢出强度进行度量。结果表明:第一,含有MIDAS结构的Copula模型拟合效果更好,充分说明纳入高频数据的重要性。第二,上海原油期货市场风险条件下各行业的上行风险明显大于下行风险,呈现出较为明显的非对称性,说明各行业风险对油价上涨更敏感。第三,分行业看,上海原油期货价格下跌对能源行业影响最大、公用行业影响最小,价格上涨对医药行业影响最大、金融行业影响最小。第四,相较于正常情况,极端上行风险对医药行业的风险溢出强度最大、对消费行业最小,极端下行风险对可选行业的风险溢出强度最大、对金融行业最小。

黄金是股票市场的“避险天堂”吗?——基于动态条件相关混频数据抽样模型

本文提出一种新的衡量黄金避险功能的指标。基于动态条件相关混频数据抽样模型,就1991—2019年黄金对股票市场的避险作用进行再检验,结果显示,国际黄金总体上未表现出对美国股票市场的避险作用,相对比的,中国黄金对于国内股票市场表现出有效的避险功能。进而分析国际黄金避险功能不足的原因,改进动态条件相关混频数据抽样模型,由固定参数拓展为有限可变参数,研究发现,指数投资导致的黄金期货市场投机程度相对下降是黄金避险功能不足的根本原因。指数投资使黄金货币属性弱化,金融属性主导价格走势,此时较高的货币流动性紧缩会促使黄金与其他金融资产被一同变现卖出,从而导致黄金不能在危机时期表现出避险作用。

建筑业上市公司财务风险度量研究——基于GARCH-MIDAS-VaR模型

针对金融数据存在的频率不一致问题,文章以建筑业上市公司季度财务数据及日度收益率为样本,引入广义自回归条件异方差混频数据抽样模型及不对称广义自回归条件异方差混频数据抽样模型,采用参数法计算在险价值指标,与样本公司实际损益率作对比,分析模型对最大损失的预测情况,进一步说明模型对建筑业上市公司财务风险的度量效果。实证研究表明,相比于传统的广义自回归条件异方差模型,广义自回归条件异方差混频数据抽样模型及不对称广义自回归条件异方差混频数据抽样模型能对样本公司的损益进行更有效的预测。基于此,在对上市公司财务风险进行度量研究时应充分考虑到数据的混频性质。

影子银行对中国货币政策的影响

在新凯恩斯主义和货币主义理论基础上引入影子银行存量规模对货币供给和利率的影响,从而得到一个包含影子银行、货币供应量、利率、CPI和GDP的动态系统模型。在考虑时间聚合问题后,利用混频抽样数据结构向量自回归(MIDAS-SVAR)模型分析了影子银行对货币政策目标的影响。LR检验的结果显示MIDAS-SVAR模型优于季度SVAR模型。对比MIDAS-SVAR模型和SVAR模型中GDP方差分解的结果发现,影子银行在MIDAS-SVAR模型中对GDP预测方差的贡献要高于SVAR模型。脉冲响应函数的结果显示,影子银行对货币供应量M2的影响要强于利率R。季度内第3个月份影子银行存量规模对货币政策中介目标和最终目标变量的影响与季度内第1个月和第2个月的影响存在差异。央行在利用货币政策进行宏观调控时,应充分考虑不同月份影子银行存量规模,保证货币政策效果不被扭曲。

我国PMI指数对GDP的影响及预测效果分析

文章从代表制造业＂晴雨表＂的PMI指数入手,探讨我国制造业在GDP混频预测中的作用。构建了混频数据抽样模型（MIDAS）,对GDP增长率的实时预测问题进行研究,将PMI指数及GDP增长率自身的滞后效应引入到GDP趋势预测中,实现高频数据PMI指数与低频数据GDP增长率的联动分析。结果表明：（1）自回归非限制混频数据抽样模型（U-AR（4）-MIDAS（3,K））的预测精度具有比较优势。（2）高频月度PMI指数对季度GDP具有正负两种效应,该效应会持续9个月,GDP自身之间也存在着相互影响,该影响会持续4个季度之久。（3）向前h步U-AR（4）-MIDAS（3,K,h）适合短期内利用最新公布的月度PMI对GDP进行实时预测和修正,预测结果显示对2017年第三季度的GDP增长率进行实时预测时,U-AR（4）-MIDAS（3,9,5）模型最优。

基于混频抽样和杠杆效应的高频波动率模型预测

基于长记忆性的视角,将混频数据抽样(mixed data sampling)引入Realized GARCH模型的条件方差方程中,扩展得到Realized MIDAS GARCH模型,结合金融波动的非对称杠杆效应(asymmetric leverage effect),构建得到Realized MIDAS EGARCH模型,进一步考虑传统的正态分布假设不能够刻画金融时间序列的非对称性、非正态性、厚尾性等特征,将偏t分布引入Realized MIDAS EGARCH模型中,构建了基于偏t分布的Realized MIDAS EGARCH模型,推导其参数估计方法,并基于滚动时间窗技术预测和比SPA检验更具优势的模型置信集(model confidence set,MCS)检验评估各种波动率模型对我国期货黄金市场波动的预测能力.实证结果表明:Realized MIDAS GARCH族模型比起Realized GARCH族模型有更优的拟合能力,捕捉长记忆性的能力更强;考虑杠杆效应和非对称厚尾分布能够提升模型的解释能力和预测能力;基于偏t分布的Realized MIDAS EGARCH模型是本文所探讨的8种高频波动率模型里面拥有最高样本内拟合优度、最强长记忆性的捕捉能力和最优样本外预测精度的高频波动率模型.

市场情绪与股指收益的联动性研究

依据2010~2015年可以获得的封闭式基金折价率等市场情绪代理变量,利用主成分分析构建市场情绪指数,对其进行实证分析。运用年化算法验证不同频率的市场情绪的影响力,最后依据混频数据抽样模型构建混频市场情绪,考察混频市场情绪与股指收益之间的联动关系。结果表明,各个频率的市场情绪都是该频指数收益率的正向影响因子,而且其对收益率的影响力随着时间推移而单调递减,混频市场情绪未必优于同频市场情绪。

“金融窖藏”视角下的货币供给与中小企业发展

中小企业在解决就业、万众创新、推动经济增长和促进社会和谐等方面都具有不可替代的作用,但中小企业发展指数这一指标自2011年第3季度开始已连续30个季度低于景气临界值,说明我国中小企业发展的基础尚不牢靠。文章认为已有的研究大都证实了传统西方经济理论中货币供给变动通过货币路径和信贷路径影响企业发展的论述,但却很少有关于货币供给波动如何影响不同规模企业(尤其是中小企业)以及这种影响是否具有差异性的文献。作者基于'金融窖藏'的视角通过混频数据抽样模型研究,发现广义货币增加并未对中小企业发展产生积极影响,并提出大力推动金融供给侧改革,加快推进金融生态文明建设等措施。

基于GAS的混频Copula模型的投资组合风险预测

考虑到金融资产间的相关关系具有时变性和长记忆性,纳入了混频数据抽样(mixed data sampling,MIDAS)的混频Copula(MIDAS Copula)模型虽能刻画时变性和长记忆性,但其参数演变过程较为简单,因此将广义自回归得分(generalized autoregressive score,GAS)模型作为参数演变过程引入MIDAS Copula模型中,构建GAS MIDAS Copula模型.实证分析发现该模型提升了MIDAS Copula模型对样本拟合的能力;进一步选择不同相关程度的三组沪深300行业指数,分析该模型对不同相关程度行业间时变相关系数长记忆性的捕捉能力及对投资组合的风险预测精度.结果发现:1)GAS MIDAS Copula模型对高度和中度相关行业间相关系数长记忆性的刻画能力均最优;2)对三组数据简单投资组合的VaR与ES回测检验结果显示GAS MIDAS Copula模型均有最高的预测精度.最后基于不同置信水平、不同权重比例、不同样本滚动窗口长度以及不同资产的各种风险预测结果证实了GAS MIDAS Copula模型的稳健性.

宏观经济信息与金融市场关联性--来自混频动态条件相关系数模型的证据

宏观经济信息是金融市场之间相互传递的重要信息内容,有效利用宏观经济信息是否有助于更好地理解金融市场关联性?为此,本文运用混频动态条件相关系数(DCC-MIDAS)模型分析了我国四个重要金融市场之间的动态相关性如何受到纳入的宏观经济信息的影响。结果发现:(1)工业增加值和货币供应量M2负向影响金融市场关联性,经济政策不确定性和通货膨胀水平反之。前三者是影响金融市场关联性较为重要的因素,而通货膨胀的重要性相对较低;(2)宏观经济信息作为市场关联性的长期成分相较基于市场信息的模型可以获得至少1.45%的效率提升。(3)工业增加值和通货膨胀对金融市场关联性的影响较为稳健,货币供应量M2和经济政策不确定性的影响表现出周期性特征。经济上行阶段工业增加值、货币政策信息带来的效率提升更为明显,经济下行阶段政策不确定性相对重要。本文研究结论对于加强金融监管协调和防范金融市场风险共振具有参考价值和指导意义。