金融基础数据逐笔统计与传统金融统计对比浅析

金融基础数据库是实施金融业综合统计的重要载体,是有效监测、分析、防范金融市场系统性风险和维护金融稳定的重要金融基础设施。本文通过对金融基础数据逐笔统计与传统全量统计的架构、数据采集方法及主要特点进行了总结,在此基础上进行分析两者差异,并对国家金融基础数据库优势进行分析。

中国农产品期货市场流动性成本实证分析——基于日内高频数据的期货市场流动性算法

期货市场流动性状况直接影响期货市场价格发现和套期保值功能的发挥。根据Thompson-Waller模型,采用中国主要农产品期货合约日内高频逐笔数据,计算各期货品种的流动性成本,结果表明:各合约之间存在流动性成本差异,交易量和交割期是影响流动性成本的重要因素,交易量与流动性成本负相关,负相关程度因合约而异。研究还显示,萨缪尔森假说在中国农产品期货市场成立,但有学者主张的流动性合理区间概念对实际的流动性成本约束较弱。

影子银行系统性风险度量研究——基于中国信托公司逐笔业务的数据视角

本文基于微观业务数据,构建资产价格传染模型,提出了影子银行系统性风险度量的两步法:第一步,以微观业务数据为基础,构建虚拟机构资产负债表;第二步,将虚拟机构资产负债表与资产价格传染模型相结合,度量系统性风险。结果显示,样本期间影子银行系统性风险较高且波动剧烈。原因在于,样本区间的外部政策冲击变动导致微观业务规模及杠杆发生变动,进而驱动系统性风险的波动。为防范影子银行系统性风险,需要做好:第一,注重监测影子金融机构的业务层面风险;第二,打破影子机构的刚性兑付体制;第三,监管政策应有长期规划以及连续性。此外,与传统研究得出刚性兑付是隐藏风险、导致未来风险爆发不同的是,本文发现刚性兑付是引发风险的导火索。

中国股市微观结构噪音特性及其影响因素——基于逐笔交易数据

基于中国股市逐笔交易数据,有效利用全样本不规则采样数据,对日内高频微观结构噪音的估计、特性及影响因素进行了研究。结果显示噪音分布具有尖峰厚尾的特点,日内模式呈现"L"型。信息非对称程度和流动性作为影响噪音的两个最重要因素,分别与噪音呈正相关和负相关关系。价差由于同时包含了信息非对称程度和流动性两方面的信息,对噪音有近60%的解释能力。