互联网大数据下消费搜索指数的构建与应用

文章结合2013年1月1日至2020年6月30日的百度指数这一高频互联网大数据,利用主成分分析法构建高频居民消费搜索指数。在此基础上,将高频搜索指数拓展进ADL-MIDAS混频模型,对居民消费情况展开实证分析和预测。研究发现:所构建的消费搜索指数能较好捕捉居民在双十一、春节、新冠肺炎疫情期间的潜在消费行为变动情况,总体上,居民对消费相关事件的网络关注度变化会对居民消费水平产生显著影响,消费存在显著的耐久效应,收入增长对消费的促进作用明显。此外,引入高频消费搜索指数的混频模型,对比基准模型,在多步向前动态预测和实时预测上都呈现较高的预测精度和较好的稳定性。

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。

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。

基于马尔科夫区制转换模型的中国经济周期识别

经济周期研究既能了解经济运行的真实状况,也是经济危机监测和国家政策调控的基础。文章采用一种能够综合利用高频数据和低频数据的经济周期计量模型,即马尔科夫区制转换混频数据回归(MS-MIDAS)模型,利用月度货运量数据以及季度GDP数据对我国经济周期进行识别与预测,并提供了一种新的方法估计模型参数。结果表明:中国经济周期波动具有非对称性;MS-MIDAS模型在识别与预测经济周期方面具有准确性和简便性。同时,实证结果证实了巴菲特的观点:货运量是经济状况的晴雨表。

基于互联网大数据的CPI舆情指数构建与应用——以百度指数为例

研究目标:基于互联网大数据构建CPI舆情指数辅助预测CPI。研究方法:提出了一种构建CPI低频与高频舆情指数的统计方法,并通过选用2006年6月至2015年12月的数据验证了该方法的有效性。研究发现:相关关键词的搜索热度指标具有领先CPI的预测作用,依此建立的CPI舆情指数有助于改进CPI预测精度。研究创新:揭示了基于相关关键词的搜索热度指标与CPI的非线性关系,提出了一种基于门限回归的CPI低频舆情指数构建方法;使用动态因子模型估计出了CPI高频舆情指数。研究价值:预测CPI时可辅助利用基于大数据构建的CPI低频与高频舆情指数信息。