我国系统性风险度量指标构建及预警能力分析——基于混频数据动态因子模型

基于我国目前的经济和金融形势,为守住不发生系统性金融风险的底线、采取切实有效的应对之策,需要更加客观地度量我国面临的系统性金融风险状况。本文综合考虑银行业、债券市场、股票市场、外汇市场、宏观经济数据和银行业监管数据等六大类指标,运用混频数据动态因子模型,构建反映经济、金融周期和系统性金融风险的指标体系,对我国的系统性金融风险水平进行测算,结果表明,目前我国的系统性金融风险较 2015-2016年期间有所缓释,但仍处于较高水平,宏观经济下行压力较大。上述实证研究结论带来的启示:一是要保持经济平稳增长,推动实体经济高质量发展,进一步缓释和化解各类金融风险、降低杠杆率,增强抵御风险冲击的能力;二是要构建和完善系统性金融风险度量指标体系,充分发挥系统性金融风险度量指标的预警作用和前瞻性指引作用;三是要完善货币政策和宏观审慎政策“双支柱”调控框架,建立适合我国国情的微观审慎与宏观审慎有机结合的逆周期调节政策安排。

我国通货膨胀率的最优目标区间几何?

本文首先提出了面板数据动态门限回归模型的二阶段合并最小二乘(2SPOLS)估计方法;其次,基于中国29省市自治区1978-2008年的面板数据,对中国通货膨胀和经济增长之间关系的实证分析发现,在一定程度上,我国通货膨胀率对经济增长率的作用存在两个门限值的"双门限效应",其门限值分别为3.2%和15.7%。所以,通货膨胀率位于(0%,3.2%]时,温和通货膨胀对经济增长率存在"托宾效应"。通货膨胀率超过3.2%时,通货膨胀率对经济增长率存在阻碍经济增长的"反托宾效应",尤其当通货膨胀率高于15.7%后,恶性通货膨胀严重阻碍经济"软扩张"。因此,我国通货膨胀率的最优目标区间是(0%,3.2%]。

基于百度搜索下的CPI舆情指数体系构建

文章以互联网大数据为基础,分别构建了低频与高频的,并选用CPI舆情指数体系,形成了一套用于预测CPI指数变动的舆情分析系统2008年6月至证果表明,所构建的舆情指数体系能够较准确地7年领先12月的预测CPI数据对模型的有效性和稳健性加以验。研究结201CPI指数,并且显著改进了CPI的预测精度。

关于我国宏观经济变量预测的实证研究

前言 宏观经济变量属于宏观经济学的研究范畴,一直以来,我国经济学家们致力于对宏观经济变量的研究,以期通过对经济变量的动态情况和指标分析来达到对我国宏观经济的运行情况了解、分析、预测和总结的目的,从而为宏观经济政策的制定和执行提供可靠的参考依据。动态因子模型自应用以来,在经济学领域成为宏观经济变量预测的重要方法,相对于结构向量自回归模型（简称VAR）来说,动态因子模型在短期预测方面具有一定的优势。

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。