经济、金融、气候科学及其相关领域存在大量非平稳时间序列.为了促进这些学科的理论研究，非平稳时间序列的极限理论在近二十年左右得到了密切的关注和长足的发展；另外，传统的级数估计方法往往要求变量的取值范围为有界紧区间，在一定情况下，特别是在所研究的问题里出现非平稳时间序列的情况下，制约了这种非参数方法的发展和应用.本文总结了近年来作者及其合作者们为了突破传统筛分法的瓶颈而使用正交级数方法所做的一些理论成果和实证应用，尤其是在非参数非平稳时间序列的研究上，为正交级数估计方法在经济、金融、气候科学和相关领域的应用奠定了基础.
从微观个体的人力资本到宏观经济体人力资本总量，不仅存在人力资本度量的内涵问题，同时受到不同技能劳动力加总方式的影响.本文从总量生产函数出发，基于体现劳动效率的个体劳动力工资的人力资本度量指标，构建了由个体层面到宏观层面相互融合的人力资本度量理论框架.在此基础上，本文深入研究三种基于工资的人力资本度量方法以及它们的内在联系，即效率单元、广义人力资本、及国际广泛使用的Jorgenson-Fraumeni（J-F）人力资本度量.效率单元主要通过相对工资体现不同技能层次劳动力的相对质量，广义人力资本在此基础上进一步体现不同技能劳动力间的相互作用.与相对工资的度量不同，J-F人力资本是以个人终身收入的实际值来度量，因此受到劳动力生命周期内人力资本动态变化的影响.然后我们利用中国数据计算了我国从1985年到2018年的相应三种人力资本度量结果并比较分析其动态差异，并且我们分别计算这三种人力资本度量指标对经济发展差异的要素解释力.研究发现，由于不同人力资本度量指标所反映的内涵不同，其描述的发展动态及对经济发展的解释程度存在明显差异.
本文基于全球38个国家和地区的互联网普及程度、金融市场发展程度、及科技创新能力信息，探索互联网技术普及如何影响金融市场作用于长期经济增长的效率.研究发现，从整体来看，互联网普及能显著提升金融市场服务于科技创新的效率，有利于经济长期发展.就作用机制而言，本文发现，对间接融资市场而言，互联网技术的普及能弥补实体银行分布的地域限制，提升银行流动性创造的效率、并提升银行业竞争水平，进而显著提升金融系统效率；对直接融资市场而言，互联网技术普及能对参与度高且换手率高的市场提供技术支撑，起到进一步促进的作用，同时也能够在证券市场波动较大时提供信息优势，保证金融市场效率.
处置效应和反转效应是当前常见的两个金融市场异象，人们常用它们来设计投资策略.针对融资融券标的股票，本文选用资本利得量作为处置效应的代理变量，首先采用计量的方法验证了融资融券市场中的确存在处置效应、反转效应及由两类效应共同解释时出现的反转现象，而后据此设计出一种结合处置效应和反转效应的融资融券零成本策略，该策略在各种排序期和持有期的参数组合下均具有良好表现，优于单独基于反转效应或处置效应设计的策略，具有稳健性和普适性.
近年来，国内外经济形势复杂多变，全球均面临经济增长变缓的挑战，房地产行业面临去库存压力大、资金来源紧、偿债压力重等不可忽视的严峻考验，房地产行业引发的金融风险开始显现.本文使用AR-GARCH-CoVaR模型分别从房地产行业层面和企业层面测算房地产业对金融行业的风险溢出强度.研究结果显示：房地产业对金融行业具有显著的风险溢出效应，不同细分金融行业存在差异，房地产业对非银行金融行业的风险溢出强度超过银行，其中，房地产业对信托行业的风险溢出强度较大.此外，本文对房地产企业进行分类和单个划分，子样本研究结果显示：风险主要集中在小房地产企业，其中小房地产企业对银行以及信托行业的风险溢出强度最强；单个房地产企业的结果显示：绝大部分房地产企业对金融行业均存在风险溢出效应，但是强度存在差异.进一步动态分析结果显示：房地产业对金融行业的风险溢出强度呈现较强的顺周期性，且受监管政策影响很大；在房地产政策收紧、监管政策严格的时候，房地产业对金融行业的风险溢出强度较小，且集中在银行；在房地产政策以及政府监管宽松的时候，房地产业对金融行业的风险溢出强度不断加大，且扩散到不同细分金融行业.
本文利用SVAR模型研究了数量型和价格型货币政策对宏观经济主要变量的实施效果，并首次将符号约束纳入TVP-VAR模型研究两种货币政策对产出、通胀的时变冲击效应.研究结果表明：1）我国的货币政策传导渠道不畅通，汇率、股市资产价格传导渠道均不可行，货币政策对进出口、股价基本无影响.利率传导渠道堵塞.2）影子银行的迅速发展，造成利率和货币供应量都不能有效影响社会融资规模，不利于货币政策的传导.3）利率对产出和通胀率、货币供应量对产出的冲击效应均存在明显时变特征，主要体现在冲击影响的期限变短，说明近年来货币政策长期效果有所降低，同时利率政策即期效果优于货币供应量.建议货币当局进一步疏通货币政策传导渠道，保持经济稳定的同时降低影子银行规模，保持政策惯性，通过预期引导市场发展.
本文综合Haar小波和乘性级联两种树型结构的优势构建一种混合多分形小波模型（H-MWM）来对国际油价进行多期预测.首先，对日度油价做Haar小波三层分解，提取粗粒度层（尺度系数）数据，对尺度系数做单步预测；其次，将日度油价做乘性级联三层分解，提取各层的细粒度（乘子）数据，对各层的乘子做预测；然后，构建尺度系数与乘子间数量关系，用预测的尺度系数和乘子，得到各层小波系数预测值；最后，将尺度系数和小波系数预测值，通过Haar小波重构为原序列粒度，得到日度油价多期预测值.实证研究表明：构建的H-MWM方法在日度油价的多期预测中，在保证预测准确度提高的同时，大大降低了计算时间复杂度.
本文使用量子场理论的相关方法，对单因子HJM模型框架加以拓展和改进，构建了量子场理论下的商品期货持有成本率模型.通过使用WTI原油期货价格进行实证研究，发现该模型的拟合效果相比传统两因子HJM模型更优.通过样本外预测，发现该模型对期货瞬时远期净持有成本率的预测效果更好.对于期货市场的参与者而言，可以通过该模型更准确地预测期货升贴水率，有助于市场参与者防控期货交易中的市场风险和基差风险，促进期货市场高效有序运行.
本文从2015年8月我国股指期货保证金比例及交易费用大幅提高事件入手，利用股指期货及现货5分钟数据，研究了交易成本变动对我国沪深300股指期货价格发现效率的影响.以信息份额模型方法作为衡量股指期货价格发现能力的指标，通过滑动窗口估计沪深300股指期货的信息份额贡献度，本文从动态视角考察了股指期货市场的价格发现能力.实证研究结果显示交易成本的提升在短期对股指期货的价格发现能力产生了显著的负向影响，但随着时间发展，投资者逐渐适应新的市场环境，股指期货的价格发现能力逐步回升.同时，沪深300股指期货市场的价格发现效率在成本提高后开始受到其相对活跃程度和现货市场波动率的正向影响，这意味着股指期货市场在高交易成本环境下与现货市场的联系反而更加紧密.
本文研究了沪深300 ETF对股指期货价格发现动态性的影响.协整检验、永久短暂模型、信息份额模型、修正的信息份额模型等结果揭示，沪深300指数期货上市1年之后价格发现功能才逐步发挥，但价格发现能力非常不稳定，并且曾多次出现期货价格与现货价格不存在协整关系的现象.回归分析的结果提供了最早上市的几只沪深300 ETF的交易能有助于提升沪深300股指期货价格发现能力的证据，虽然不同ETF的影响不同以及不同时期影响会发生变化.股指期货宽松的持仓限额和较低的交易保证金会进一步增强股指期货的价格发现能力.相对地，融资融券放宽可以提升股票市场的价格发现能力.该结果支持了指数ETF可以促进股指期货的套利交易从而增强股指期货的价格发现能力的假设.
本文基于我国2005-2017年主动管理型股票基金和混合偏股基金样本数据，分析了历史业绩排名对基金投资组合中的彩票型股票占比的影响.本文发现，从整体上来看业绩排名越靠后的基金越倾向于在下一期持有更高比重的彩票型股票，同时基金这种投资偏好在下半年或者股市处于下跌时期时更为显著.另外从时间趋势上看，长期表现处于同类基金平均水平以下的基金在近期业绩压力得不到缓解的情况下也会更多地投资彩票型股票.采用不同的业绩考量指标都可以得出一致的结论.针对上述结果，本文从基金经理缓解自身职位危机的动机入手进行了分析，发现持基比重较低、无管理团队的、或者在任时间低于历任基金经理平均在任时间的经理人在面临前期业绩表现不佳的情况下呈现出了对彩票型股票更强烈的偏好.
在固定比例投资组合保险策略的框架中引入了各种边际条件，本文给出了基于在险价值的边际CPPI策略（M-CPPI）.将成交量拆分成可预测和不可预测两个部分，并将可预测的成交量变动率引入到了风险资产的价格波动模型，同时将风险资产实际波动超过在险价值的部分作为边际增量，用以实现对策略安全底线的动态调整.进一步地，将沪深300指数的日收盘价序列依次拆分成24个不同的时间段，并以3年为周期，实证研究各策略下组合资产的价格演变路径，结果显示扩展后的M-CPPI策略要明显优于标准CPPI策略.该策略的改进，使得可以重新审视避险类理财产品可行的设计路径，以期降低保本、避险类基金在运行过程中广受诟病的缺口风险，同时减缓策略运行过程中可能出现的现金锁定风险.
对于外部投资者来说，研究上市公司财务报表是了解公司运行状况的最有效的途径之一.然而，财务分析的有效性是建立在财务报表的真实性之上的.因此，为了保证财务分析的有效性，报表的真实性分析必不可少.在本文中，我们选取2007-2018年近十年的上市公司相关数据，包括但不限于上市公司的财务数据，还包括审计意见、股东质押比例等.我们将2018年之前的数据作为训练集，2018年的数据作为测试集.我们使用XGBoost和LightGBM两种算法，给出了关于上市公司财务异常的预测.对一类错误和二类错误权衡取舍，我们得到了真阳率（true positive rate）81.09%，假阳率（false positive rate）79.69%，AUC 90%的结果.除了给出预测结果，本文还给出了判断财务异常的主要因素.
官方微信公众号：计量经济学报
