企业数字化转型与城市经济活力——基于夜间灯光数据的混频回归

以2013—2021年中国沪深A股上市公司为样本,以夜间灯光数据衡量城市经济活力,实证检验企业数字化转型对城市经济活力的影响。研究发现,企业数字化转型对城市经济活力有显著的正向影响,在控制了内生性与稳健性后结论仍然成立,而促进就业、专业化分工与生产效率是其作用渠道,媒体关注度与数字普惠金融是具有正向影响的作用机制。异质性分析发现,高市场集中度的企业数字化转型对城市经济活力的边际影响更强,数字化转型对高城镇化率的城市经济活力的边际影响更强。结合宏观地级市与微观企业数据进行混频回归,丰富了企业数字化转型与城市经济活力的相关研究,在当前“从微观视角研究宏观问题”与“基于宏观背景研究微观问题”的大背景下具有重要的理论与实践意义,有助于政府、企业等相关主体认识到数字化转型的经济后果以及城市经济发展的影响因素,从而更好地实施数字化转型以及促进经济高质量发展。

基于混频数据抽样的已实现EGARCH模型的波动率预测

该文以沪深300股指期货高频数据为样本,在Realized EGARCH模型的基础上引入了混频数据抽样(MIDAS)结构与时变波动,构建了基于偏t分布的SMA-Realized EGARCH MIDAS模型,该模型提高了模型捕捉长记忆性的能力,更好地刻画了模型的时变波动性.通过滚动时间窗的方法对模型进行VaR预测与后验测试,采用MCS检验评估各模型在不同测度下的波动率预测能力.研究结果显示:相比于传统的Realized GARCH模型、Realized EGARCH模型和Realized EGARCH MIDAS模型,本文提出的SMA-Realized EGARCH MIDAS模型具有更好的样本拟合效果与样本外波动率预测精度.

宏观经济对股市波动的影响——基于GARCH-MIDAS-RTSRV模型的证据

本文对GARCH-MIDAS模型进行了拓展。首先,在估计GARCH-MIDAS模型的长期波动成分时,采用同时考虑噪声和跳跃影响的稳健双频已实现波动估计量RTSRV来代替传统的已实现波动估计量RV。其次,选取了经济变量并从中提取出主成分,从其水平值和波动率两个层面研究不同主成分对股市波动的影响。研究发现:本文构造的GARCH-MIDAS-RTSRV模型优于传统的GARCH-MIDAS模型,其预测精度更高并且可使投资者获得更高的经济价值;经济变量的主成分和已实现波动率均对股市的波动有显著的影响,并且相较于其水平值,波动率对股市波动的影响更为显著。

强混合样本面板数据模型回归样条估计

由于面板数据具有模型复杂且数据量较大特征,导致面板数据回归样条估计结果存在较大误差。因此提出强混合样本面板数据模型回归样条估计方法。优化面板数据形式,将非参数模型与混合模型相结合,获取改进后的强混合样本条件下面板数据简化表达形式。利用B样条法估计出未知测量参数的渐近正态性,并进一步估计出模型中的未知函数。通过仿真模拟算例表明,所提方法的计算量较小且能够准确估计模型中的未知变化量。

基于随机森林回归模型和高频数据的鄱阳湖子湖电导率预测

电导率是衡量水质的重要参数,高频监测获取水体中电导率对水质管理具有重要作用。由于野外条件的变化复杂性引起设备故障导致数据缺失时有发生,为优化野外监测体系和插补缺失数据,基于高频监测获取的气象和水体物理指标,结合机器学习模型,预测水体中电导率值。结果表明,随机森林回归模型预测效果最优,其决定系数R~2可达0.996,均方根误差R_(RMSE)为1.31μS/cm,平均相对误差M_(MRE)为0.38%;pH值贡献率最大,是影响电导率的主导因素。研究结果利于优化野外高频监测系统平台,健全高频监测数据,为水质管理提供科学依据。

基于混频数据的日度经济不确定性测度及其应用

经济不确定性主要反映经济系统的不可预测程度,可以通过经济指标的实际值和预期值之间的偏差进行测度。为及时测度我国的经济不确定性,本文提出一种同比形式的日度混频动态因子模型,将金融市场的日度数据和传统的宏观低频数据信息相结合,构建我国日度经济意外指数和经济不确定性指数,用于反映我国宏观经济运行的非预期成分和不确定性程度。进一步地,本文基于日度数据分别讨论经济意外指数对人民币汇率的影响,以及经济不确定性对我国股市波动率的影响,研究结果表明经济意外指数的正向变化使人民币对美元升值,经济不确定性的增加将加剧股市波动。

哪些行业承载来自上海原油期货市场更多的风险溢出

自2018年建立以来,上海原油期货市场与我国股市风险波动的联动愈发明显。不同于以往更关注整体股市的研究,本文从行业维度出发,探究上海原油期货市场对我国各行业的风险溢出效应。选取2019年9月1日到2022年9月1日期间上海证券市场十个一级行业指数的5分钟收益率数据,引入GAS模型弥补GARCH类模型的不足,并建立MIDAS-Copula-CoVaR模型对各行业的条件风险以及承载的风险溢出强度进行度量。结果表明:第一,含有MIDAS结构的Copula模型拟合效果更好,充分说明纳入高频数据的重要性。第二,上海原油期货市场风险条件下各行业的上行风险明显大于下行风险,呈现出较为明显的非对称性,说明各行业风险对油价上涨更敏感。第三,分行业看,上海原油期货价格下跌对能源行业影响最大、公用行业影响最小,价格上涨对医药行业影响最大、金融行业影响最小。第四,相较于正常情况,极端上行风险对医药行业的风险溢出强度最大、对消费行业最小,极端下行风险对可选行业的风险溢出强度最大、对金融行业最小。

基于动态因子和混频数据的天然气需求概率预测模型设计与应用

随着天然气消费需求的快速增长,需求波动也显著加剧,导致部分地区天然气供需出现季节性和阶段性的失衡。本文基于混频采样框架、分位数回归模型和核密度估计的天然气需求混频概率预测模型,构建了包括天气状况、能源市场、资本市场和投资关注4个方面的综合性混频动态因子系统,以期更精确地预测我国的天然气需求。研究发现,天气状况、能源市场和投资关注对天然气需求的预测能力优于资本市场。在天气状况方面,每日温度是月度天然气需求的最佳指标;在能源市场方面,月度天然气需求呈现出显著的自相关特征,持续时间为3~5个月,石油现货价格和煤炭现货价格的影响持续天数较短,分别为11天和10天;在预测表现方面,样本外的月度天然气需求实际值大部分出现在概率密度曲线的最高点附近。本文所提出的模型不仅能够直接使用混频动态因子的前瞻性信息,还能够获得平滑的天然气需求概率密度曲线,预测精确度相较现有模型提升14.13%~29.15%。研究结论为保障我国天然气市场安全,完善“双碳”政策设计提供有益的决策参考。

融合机制与高斯混合回归算法的成品油管道顺序输送混油长度预测模型

成品油管道顺序输送过程中会出现混油现象,精确预测混油长度对油品批次切割具有重要意义,混油长度机制模型存在精度不高,数值计算量庞杂等问题。当前基于机器学习算法构建的全局预测模型未考虑实际工况多模态特性,预测精度受限;直接引入高斯混合回归算法辨识数据模态难以准确表征变量间复杂非线性关系。采用现有机制计算公式与高斯混合回归算法构建融合机制认知的局部建模算法,基于真实成品油管道顺序输送混油长度数据集进行不同模型预测结果对比试验。结果表明,融合机制认知与局部建模算法能有效表征变量间函数关系,新模型预测精度有明显优势。

混合效应均值−方差模型的建构和样本量规划探索

随着研究问题的深入和数据收集手段的进步,能够合理分析和深入挖掘嵌套结构数据信息的混合效应均值−方差模型(Mixed-Effects Location-Scale Models,MELSM)受到广泛关注。本研究拟通过模拟研究和应用研究,在贝叶斯框架下探究MELSM的模型建构方法,并探索MELSM在确定和不确定情境下结合检验力和效应量准确性分析的样本量规划范式,最终整合上述功能开发简便易用的软件包,形成MELSM的应用流程,促进新方法和新技术在心理学研究中的推广应用,提高研究的生态效度和可重复性,进而提高研究的整体质量。

基于改进非线性自回归网络的洪水预测算法

针对流域的洪水预测具有高度非线性和随机性的问题,提出了一种混合预测模型用于流域的洪水预测.该模型是一个集成了数据预处理模块的具有外部输入的非线性自回归神经网络,采用小波变换进行时间序列分解,利用多基因遗传编程进行细节缩放,以提高时域和频域特性的提取能力,进一步捕获时间序列的非平稳性,与NARX结合可以大幅提高洪水预测的准确性,利用栾川水文站15年中所测水文数据对所提模型进行验证和测试.实验结果表明,相比较于传统算法和其他预测算法,所提出的算法具有更高的预测准确度和性能,可广泛应用在洪水预测等领域.

左删失数据的双惩罚贝叶斯Tobit分位回归方法

在含潜变量的纵向数据混合效应模型应用中,通常包含大量截尾数据,若直接采用一般贝叶斯Tobit分位回归模型,参数估计的马尔科夫链蒙特卡罗抽样算法将会极其复杂,造成计算效率低下且估计结果偏差较大。同时,在高维情形下,由于受大量未知随机效应的干扰,固定效应中关键变量的选择与系数估计变得更为困难。为了解决上述问题,文章提出了一种新的双Adaptive Lasso惩罚贝叶斯Tobit分位回归方法,主要研究响应变量左删失情形下高维纵向数据的变量选择与参数估计问题。通过将Adaptive Lasso惩罚同时引入固定效应与随机效应的先验分布中,构造了参数估计的Gibbs抽样算法。蒙特卡罗模拟结果表明,新方法较无惩罚法和Lasso惩罚法在重要变量选择及系数估计上均更占优势。

高频GARCH模型的最优抽样分析

波动率代表是运用高频数据估计日频GARCH类模型时构造的一个重要统计量,文章针对运用高频数据估计日频GARCH模型的3种方法,基于估计量的渐近结果讨论了最优波动率代表的选择问题,并展开了在日内高频数据抽样中应用的讨论。通过对沪深300指数的高频数据实证分析发现:同一波动率代表在不同抽样频率下的表现有明显差异;在同一频率下,不同波动率代表有优劣之分;在不同估计方法下,每一个波动率代表的最优频率都不同。因此,日内高频数据的最优抽样频率应针对模型所用的不同估计方法加以区别对待。

基于高斯混合聚类采样的不平衡数据处理方法

在处理不平衡数据时,为有效剔除多数样本内的冗余信息和合成有价值的少数样本,提出一种基于高斯混合模型的采样算法(MSGMM)。将多数类和少数类样本分别聚类,最佳聚类个数通过迭代确定。在迭代时,先初步选择聚类个数并用高斯混合模型聚类。对于多数样本的每一个聚类C的剔除比例为其聚类中心到SVM生成超平面的距离权重和其数量权重的加权;对少数类样本按聚类中心到超平面的距离来划分采样比例;并用Random-SMOTE算法合成新样本,以此达到样本数量之间的平衡。实验表明该算法相较于传统算法,精度有1%~16%的提升,验证了该算法的有效性。

基于混频模型的CPI短期预测研究

本文基于自回归混频数据抽样模型同时考察了金融市场一阶矩收益和二阶矩波动的日度信息对CPI短期预测的影响。结果表明,股票收益、短期利率和长短期利差变化量仅在收益水平上对CPI短期走势产生影响,而长期利率、粮食和能源商品市场的收益和波动都有助于CPI短期预测,而且收益对CPI的影响要比波动更加持久。相对于传统的月度时间序列建模方法,本文的混频CPI模型具有更好的样本内解释能力和样本外预测能力。另外,引入二阶矩波动的日度信息在一定程度上能更多地降低预测偏差。

复杂抽样数据多水平模型分析方法及其应用

目的本文通过抽样调查实例,阐述多阶段抽样、不等抽样概率和事后分层特性不同产生的复杂抽样数据,其应用多水平模型分析的原理和方法。方法对我国某省行为危险因素抽样调查的数据,应用未加权和加权的随机截距logistic回归模型分析了某些因素与跌倒性伤害的关系。结果实际分析包括50个区县(PSU),250个乡镇街道(2水平),12086个体(1水平)。未加权估计结果显示:对跌倒性伤害有统计学影响的变量是健康状况中等和差、未被雇佣和未婚,年龄为负相关,即年龄越大,发生跌倒性伤害的危险性越小;复杂抽样2水平logistic回归分析显示:对跌倒性伤害有统计学影响的变量与未加权的结果基本一致,但未婚失去了统计学意义。体重指数、性别和受教育程度与跌倒性伤害的发生没有统计学联系。结论与未加权的结果比,加权分析对跌倒性伤害有统计学影响的变量基本一致,但加权复杂抽样PMLE估计的标准误偏大,结果更保守;对性别的分析发现,加权后的结果符合目前对跌倒性伤害发生机制的认识,因此纳入权重的多水平分析方法对该资料可能更合理。

大坝安全监测的混合回归模型研究

针对传统回归模型在测值分析时存在片面性的问题,提出采用串联和并联两类回归法的混合回归模型进行大坝监测资料分析,利用串联与并联两种回归模型对岩滩大坝的测值进行了分析和预报,并与逐步回归算法的结果进行了比较。结果表明,混合回归模型拟合与预测效果明显优于传统的回归模型。

基于数据分类重建的风电机组故障预警方法

为预警风电机组潜在故障、增强机组出力安全性,基于监控和数据采集(SCADA)系统,提出一种异常数据重建的风电机组故障预警方法。首先,充分利用同风场风机SCADA数据,分别重建输入类与输出类目标机组数据,克服了部分数据信息丢失、数据异常问题;其次,使用提取的代表性数据建立故障预警模型,所得预警模型更贴近机组运行动态特性;最后,采用改进的衰退指标预警潜在故障,直观展示机组阶段性衰退程度。案例研究中使用某风电场SCADA故障数据,并使用3种标准确定所提策略参数设定值,结果表明可至少提前3周预警风电机组齿轮箱潜在故障,验证了所提故障预警方法的时效性。

基于混频数据模型的中国经济周期区制监测研究

本文构建能够结合月度数据和季度数据的马尔科夫区制转换混频数据抽样(MS-MIDAS)模型,用于对中国经济周期的区制监测。通过利用实时数据对MS-MIDAS类模型进行最优选取和参数估计,监测中国1993—2013年间的经济周期区制变化,并得到中国经济运行状况的区制转换概率。实证结果表明:中国经济周期波动呈现三区制的阶段性变化;不同区制的持续时间具有非对称性;MS-MIDAS模型监测经济周期波动具有相对精确性与时效性。

基于MIDAS模型的中国股市对居民消费的影响效应

根据混频数据抽样模型,实证研究了中国股市对居民消费的影响效应,深入讨论了牛市和熊市阶段股市收益和波动对居民消费的影响特征。已有研究都是使用同频数据,多数研究认为股市对居民消费的影响不显著或不稳定。而本文基于混频数据的分析却得出不同的结论:不论是股市收益还是股市波动均对居民消费有着显著的影响效应。通常股市收益对居民消费有正的影响效应且影响持续时间长,而股市波动对居民消费有负的影响效应且持续性很短。股市收益在牛市阶段具有较大的影响;相反,股市波动在熊市阶段具有较大的影响。