中国货币政策是否应干预互联网金融发展?——基于非参数格兰杰因果关系与滚动相关性的检验

货币政策是否适用于互联网金融一直是一个存在争议的话题。本文运用非参数格兰杰因果关系检验、基于二元移动窗口函数的滚动相关系数法实证发现:总体上,数量型货币政策和价格型货币政策均是互联网金融发展的格兰杰原因,而且存在很强的相关性。但二者影响方向存在显著差异:数量型货币政策产生加剧效应,价格型货币政策形成抑制作用。在互联网金融业态结构层面,数量型货币政策覆盖的业态更广,是不同业态的格兰杰原因且均存在相关性。价格型货币政策只是互联网支付和互联网保险的格兰杰原因并与二者存在相关关系,虽与互联网货币基金、互联网投资相关,但并不是二者的格兰杰原因。最后,基于研究结论,提出了相应政策建议。

面向非稳态霍克斯过程的格兰杰因果发现算法研究

发现非稳态霍克斯过程中潜在的格兰杰因果关系具有重要意义。现有的因果发现算法主要基于稳态性假设,无法适用于非稳态的情况。为此,文中提出了一种面向非稳态霍克斯过程的格兰杰因果发现算法:首先,建立非稳态霍克斯过程因果网络结构学习模型;然后,利用贪婪算法来发现某段霍克斯过程存在的模式;最后,利用基于极大似然估计的稀疏组套索(MLE-SGL)的方法发现模式对应的因果关系。在模拟数据上的实验效果验证了算法的正确性和有效性,并在交互式网络电视(IPTV)数据集上发现了一些不同模式及有趣的因果关系。

非参数触发算法对时空因果关系的优化研究

为了从多类型时空序列中稳定准确地提取事件类型间的因果关系,提出了一种非参数触发算法(NPTP).首先基于多变量Hawkes模型,用非参数条件强度函数约定出事件类型间的因果关系;然后通过迭代计算事件类型间触发关系的条件概率;最后由秩选择得到显著事件类型对的概率并将概率中值的均值作为显著性度量值,从而获得事件类型间的触发关系.仿真结果表明,与参数算法CSTP和单变量算法MISD相比,在算法的稳定性和准确性指标方面均有优化提升.

媒体报道对绿色证券投资基金的影响研究--基于非参数分位数因果关系检验

利用2013—2020年媒体报道和绿色证券投资基金季度数据,使用非参数分位数因果关系检验法探究媒体报道对绿色证券投资基金的影响。实证结果表明:除去某些分位数,媒体报道在一定的分位数范围内对绿色证券投资基金收益、规模及其波动均存在显著的非线性因果效应。这说明媒体报道对稳定绿色证券投资基金市场的发展有重要意义,应当重视媒体报道的经济价值,提升媒体运用水平。

政府规模与经济增长——基于秩的因果关系研究

采用基于秩的非参数方法对中国的政府规模与经济增长之间的因果关系进行实证研究发现 ,存在由政府规模到经济增长的单向因果关系 ,而且政府规模对经济增长的影响是正面的。这一发现证实了凯恩斯主义的观点 ,而不支持瓦格拉假说。这一结论对于政府的政策取向的主要意义在于 :一方面 ,在经济不景气阶段可以通过扩大政府消费支出来推动经济增长 ;另一方面 ,由于政府消费具有跨期效应 ,其政策应当具有一定的前瞻性。

基于非参数回归的遗漏变量检验

基于非参数回归提出了同时适用于横截面和时间序列数据的遗漏变量检验统计量.与现有文献相比,该统计量不仅避免了模型设定偏误问题,而且具有更高的局部检验功效,能够识别出速度更快的收敛到原假设的局部备择假设.该文选择单一带宽估计条件联合期望和条件边际期望,允许二者的非参数估计误差共同决定统计量的渐近分布,不仅改善了统计量的有限样本性质,而且避免了选择多个带宽和计算多个偏差项产生的繁杂工作.蒙特卡洛模拟结果表明该统计量具有良好的有限样本性质以及比Ait-Sahalia等更高的检验功效.实证分析采用该统计量捕获了F统计量无法识别的产出缺口与通胀之间关系,验证了非线性"产出—通胀"型菲利普斯曲线在中国的适用性.

空气质量与中国碳市场:尾部因果关系

【目的/意义】碳市场的建立是针对空气质量和全球变暖所作出的重大举措,中国作为全球碳排放量最多的国家,建立健全中国碳市场既是趋势也是责任。【设计/方法】基于分位数框架下的格兰杰非因果关系检验模型,本文研究了空气质量与碳市场收益率在不同情境下的因果关系。【结论/发现】第一,空气质量与碳市场收益率之间的因果关系大多存在于尾部区域,表明只有极端情况下两者才会相互影响;第二,空气质量与碳市场收益率之间存在双向因果关系,但是碳市场收益率对空气质量的影响相对较弱,意味着空气质量可以作为解释碳市场收益率变动的重要因素,碳市场的减排成效仍需长期验证;第三,不同样本时期空气质量与碳市场收益率之间的因果关系具有异质性。研究结论有助于完善试点碳市场的定价机制,更有力地改善空气质量,为全面建立中国碳交易市场提供启示。

转轨时期中国货币政策效力区域非对称性实证研究——基于VAR模型的经验分析

虽然货币政策效力时空非对称性研究并非是一个新问题,然而,现有的研究一则多以发达国家为研究对象,二则就货币政策效力空间差异性的研究而言,现有的研究,主要围绕着欧元区内统一货币政策有效性的国别差异而展开。单一主权国家内部是否会存在大国条件下的货币政策空间效力差异?发展中的大国货币政策是否存在效力非对称性?现有的研究文献对此鲜有涉及。本文基于转轨时期中国区域经济与金融发展水平的显著差异性,对转轨时期“中国货币政策效力存在区域(空间)非对称性”这一命题进行了经验证明。

非利息收入对商业银行经营绩效的影响——以招商银行为例

基于招商银行2002—2010年的季度数据,对非利息收入在营业收入中占比与股权收益率之间的关系进行实证分析,结果表明两变量之间存在协整关系。误差修正模型显示,非利息收入的短期变化以及经营绩效的均衡误差对商业银行经营绩效的短期波动产生重要影响,非利息收入在营业收入中占比是商业银行经营绩效的格兰杰原因。

鸡还是蛋:中国金融发展与经济增长之关系(1992—2004年)

在向量自回归模型框架下,运用格兰杰(非)因果关系分析法、弱外生变量分析法检验中国金融发展与经济增长之间的短期和长期因果关系,结果表明,尽管中国金融改革是滞后于实体经济部门的改革,但在1992—2004期间,金融发展的确已促进了经济增长。在长期,尽管银行部门和股票市场都对经济增长有统计意义上的影响,但股票市场对GDP的影响力明显强于银行部门对GDP的影响力。

中介分析方法及在其医学研究中的应用

目前,中介分析已经被广泛应用于心理、预防、流行病等的医学研究,与传统的多元分析方法不同,中介分析不仅需要分析自变量与因变量之间的关系,还需要对自变量的不同作用加以分析,在一定程度上揭示自变量对因变量影响的内在机制,是一种因果效应推断的方法,已经越来越受到医学科研工作者的关注。

广州城市基本——非基本功能对城市旅游规模的影响

随着城市旅游与城市自身发展的联系愈加紧密,城市功能成为理解城市旅游规模变化的重要工具,却较少有研究定量验证二者之间的相互作用。文章以广州为案例地,基于TY-Granger检验的方法验证了城市功能与城市旅游规模之间的关系,并且通过基本—非基本功能的视角进一步剖析。研究发现:在5%的显著水平上,广州城市功能中的基本功能推进城市旅游规模的增长,在10%的显著水平上,广州城市旅游规模对城市非基本功能存在促进作用;各基本功能中,批发零售功能、科研服务功能和医疗卫生功能促进广州城市旅游规模增长,而旅游规模对商务服务功能有影响;广州的入境旅游规模与城市基本/非基本功能总量之间的格兰杰因果关系并不显著,但与各个基本功能的关联更为复杂。研究结果说明,城市功能的服务范围和规模会影响城市旅游规模变化;当生活性服务业相关的城市功能产生了较强的空间溢出效应时,也会促进城市旅游规模的增长,比如广州的医疗卫生功能,这为城市政策制定者和旅游相关行业从业者提供了启示。

我国豆粨期货价格发现功能的实证分析

本文选取2008年2月14日到2012年2月9日之间大连商品期货市场豆粨的期货价格和现货价格,对上海期货交易所金属豆粨的价格发现功能进行了实证研究。金属豆粨期货价格和现货价格之间存在双向引导关系,但在价格发现功能中,现货价格的引导作用更强,这与我们通常所认为的金属豆粨期货价格决定现货价格是不一致的。

中国省级经济周期的一致波动、区域协同与异质分化

目前,中国经济增长在中高速水平上形成的阶段性收敛态势已基本确立,但是全国部分省份的经济周期走势出现了异化的趋势和苗头。鉴于此,本文利用层级动态因子模型将1988—2016年中国各省份经济周期波动的成因进行分解,随后对各省份经济周期的一致波动、区域联动与异质分化特征进行深入分析。结果发现:从全国的共性变化看,全国共同因子在多数省份经济周期波动中的贡献都占据主导地位,表明中高速、低波动的新型增长模式是现阶段中国多数省份经济增长的共同表象,这意味着全国经济总体发展向好的态势具有广泛的中观支持;而进一步深入至区域层面的探讨表明,中国四大板块的区域经济周期呈现出东部地区先行引领,中西部地区后发跟随和东北部地区相对独立的三元分布态势;省级层面的经济周期个体效应显示,东部、中部和西部三个区域内的省级经济周期成分具有明显的“俱乐部收敛”趋向,而东北三省的个体经济周期则呈现出不断异化的走势。因此,各级政府应高度警惕新常态下省级经济增长的局部异化风险,加强区域经济发展的联动协调机制,加快在中高速水平上促成东部引领、中西跟随和东北追赶的全局稳态。

大数据、机器学习与统计学:挑战与机遇

随着数字经济时代的来临,基于互联网、移动互联网以及人工智能技术的经济活动每时每刻产生了海量大数据,这些海量大数据又反过来驱动各种经济活动.大数据来源不一,形式多样,种类繁杂,既有结构化数据,也有非结构化数据,如文本、图像、音频、视频等,即使是结构化数据,也有新型数据,如函数数据、区间数据与符号数据等.大数据大多拥有巨大的样本容量,也有潜在解释变量维数超过样本容量的高维大数据.大数据的产生以及基于大数据的机器学习的广泛使用,对统计学产生了深刻影响.本文从大数据的特点和机器学习的本质出发,讨论了大数据和机器学习对统计建模与统计推断的挑战与机遇,包括由抽样推断总体分布性质、充分性原则、数据归约、变量选择、模型设定、样本外预测、因果分析等重要方面,同时也探讨了机器学习的理论与方法论基础以及统计学和机器学习的交叉融合.