基于网络搜索数据的住房价格预期与实际价格波动分析

在混频数据方法的框架下,分析网络搜索数据是否能够增强中国住房价格的解释能力。对2011年1月至2014年12月的时间序列数据分析显示:以"房价"为关键词得出的百度指数能够解释中国住房价格的部分波动,将其引入传统模型,显著增强了住房价格预测的准确性。研究表明:混频数据方法通过对高频网络搜索数据和低频官方统计数据进行整合,可以挖掘出大数据背后隐藏的丰富信息,为宏观和中观层面的研究提供坚实的微观数据基础。网络搜索数据提供了一个观察个体行为的良好途径,必将在未来促进宏观经济学到纳米经济学的深度融合。

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。