当前, 以ChatGPT (chat generative pre-trained transformer) 为代表的大语言模型迅速发展, 被广泛用于股市投资算法交易、风险管理等多个领域. 这为金融投资者提供了新的决策工具和投资途径. 本文基于BERT (bidirectional encoder representation from transformers) 模型和ChatGPT构建了适用于中国股票市场的投资交易模型, 实现从财经新闻文本数据以及传统金融数据中获取交易信号. 对于文本数据, 首先抓取每日的财经新闻将其与对应的股票代码相匹配. 其次将新闻文本数据输入至训练好的FTBERT (fine-tuning BERT) 模型中, 得到每条新闻的情感倾向, 选择积极情感的财经新闻作为正的投资交易信号. 对于传统金融数据, 借助ChatGPT的高级解析能力, 对中国股票市场的历史数据进行深入分析. 通过调整prompt读取数据, 从而构造出用于股票投资的关键因子, 输出每日各股票的得分. 最终根据不同数据类型得到每日各股票的投资交易信号, 并将其作为构建投资组合的依据, 构建有效的投资策略. 实证结果表明, ChatGPT能有效判断文本情感倾向, 且经过微调后的大语言模型能有效助力量化投资, 为投资者带来超额收益. 本研究尝试将大语言模型运用于金融投资领域, 展现了其在生成股票投资信号方面的潜在价值. 随着技术的不断发展和市场环境的变化, 这种基于人工智能的投资策略将不断演进, 为投资者创造更多价值.

大宗商品是工业生产和金融投资中不可或缺的组成部分, 准确的大宗商品价格预测对保障工业生产顺利进行和帮助投资者规避风险具有重要意义.但现有的大宗商品价格预测模型大多是基于收盘价构建的点值模型, 忽略了价格的波动信息.因此, 本文从区间价格预测的角度出发, 提出了一个带有外生变量的门限自回归条件异方差区间模型(HTARIX), 构建了一个基于区间型数据的检验统计量来检验模型是否存在条件异方差, 进而提出了广义最小$D_K$距离估计求解模型参数, 并将其应用于大宗商品市场.HTARIX模型的优势在于能够捕捉区间型时间序列模型的条件异方差和非线性特征.相比于传统的点值数据模型, 我们的方法能够更加充分地利用区间的内部信息.实证结果表明, 本文提出的模型在大宗商品区间价格预测上的表现优于其他对比模型.

本文利用汤森路透市场心理指数(Thomson Reuters MarketPsych Indices) 中个股层面的情绪数据和美国股票市场2010至2019年期间的交易数据, 比较分析了新闻情绪和社交媒体情绪在日度和月度两个不同时间维度下对股票定价能力的差异. 实证结果表明, 社交媒体情绪在日度层面的表现要优于新闻情绪, 而新闻情绪在月度层面对股票收益率的解释能力要强于社交媒体情绪. 具体来说, 在日度层面, 本文构建了新闻情绪因子和社交媒体情绪因子, 发现在Fama-French五因子模型下, 社交媒体情绪因子有显著的超额收益, 而新闻情绪因子不存在超额收益, 并且社交媒体情绪因子能够解释大部分日度层面的市场异象, 而新闻情绪因子无法解释日度层面的异象. 格兰杰因果检验的结果表明社交媒体情绪因子的反应速度比新闻情绪因子快3至4个交易日, 说明了社交媒体情绪因子领先于新闻情绪因子. 在月度层面, 本文发现新闻情绪因子对异象的解释能力有所改善, 而社交媒体情绪因子对异象的解释能力大幅下降. 此外, 对于波动率异象和特质波动率异象来说, 月度新闻情绪因子有较为显著的解释能力, 而月度社交媒体情绪因子的解释能力不显著.

在后疫情时代逆全球化思潮抬头的背景下, 如何扩大居民消费规模和畅通经济内循环成为当下亟待解决的重要问题. 数字经济与传统产业的深度融合能够创造可观的“数字红利”, 是扩大内需以及实现高质量发展的关键驱动力. 本文利用中国家庭追踪调查数据库(CFPS) 与宏观数据相匹配, 构建面板固定效应模型进行估计. 研究发现: ①数字经济发展能够显著提升居民家庭消费水平和居民人均消费水平, 且具有稳健性. ②数字经济发展主要通过改善居民收入质量对居民消费水平产生积极影响. 而消费环境的优化不是数字经济提升居民家庭消费的主要原因. ③异质性分析表明, 数字经济发展对低失业率地区和以及低人力资本家庭的消费提升作用更为明显. ④从家庭消费结构来看, 数字经济发展显著提高了各类收入群体的发展型消费支出, 仅对高收入家庭的享受型支出有显著的正向作用. 本文的研究结论为进一步利用数字经济发展来释放消费潜力提供了决策依据.

本文研究了气候变化与中国金融系统性风险之间的关系. 首先, 本文以极端气候事件为切入点, 测试了我国银行、证券与保险行业的系统性风险对极端气候灾害的反应速度, 并评估了不同金融行业抵御极端气候灾害的能力, 结果证实了部分极端气候事件可能会加剧金融系统性风险. 其次, 通过构建非线性自回归分布滞后(NARDL) 模型, 本文分析了绿色和棕色市场股票指数表现对金融子行业系统性风险的影响. 结果显示, 短期内棕色资产风险的提高及指数的降低会显著增加金融行业的系统性风险. 但从长期来看, 棕色资产指数上升会增加银行业系统风险, 而绿色资产指数上升有助于降低证券业系统性风险, 绿色资产风险的减少会显著降低银行业系统性风险. 本文的研究不仅强调了应对气候灾害频率和严重程度增加的政策重要性, 还提出对绿色和棕色行业实施差异化的金融审慎监管建议, 以在降低物理风险的同时, 最大限度地减少气候政策实施所带来的转型风险. 这对于金融行业改善风险管理模式, 降低物理风险与转型风险对金融系统性风险的冲击具有重大意义.

在数字经济时代, 数字货币的出现吸引了诸多投资者与研究者, 但其高波动性的价格特征, 为投资决策和风险评估提出了新的挑战. 为更准确地刻画这种特征, 本文提出基于指数衰减加权自举法的区间变量置信域构建方法, 进一步以此置信域的覆盖面积与尾部分位数作为评估数字货币市场波动率与尾部风险的新指标. 以比特币为例的实证结果表明, 首先, 相比于传统点值模型如指数加权移动平均模型, 区间变量置信域的覆盖面积能同时有效度量比特币价格的水平与极差的不确定性, 这增加了对日内价格波动的度量. 其次, 在分析尾部风险预测效果时, 相比于历史模拟法和指数加权移动平均模型预测的在险价值, 区间变量置信域生成的尾部分位数在条件覆盖率与非条件覆盖率检验上的表现更优. 此外, 本文提出的基于指数衰减加权的自举法更有效地刻画市场的非正态分布与时变性的特征. 本研究不仅为数字货币的波动分析贡献了一种新的统计工具, 而且为金融市场的尾部风险管理提供了新方法和新视角.

随着我国劳动力成本上升以及资源环境约束的加剧, 叠加地缘政治冲突, 导致相关产业或生产环节向东南亚、南亚和墨西哥等新兴经济体转移. 其中, 印度的发展潜力备受关注, 全球产业链的"中国→印度转移模式"对中国的冲击与威胁更大. 为此, 本文构建了衡量产业向外转移对母国影响的事前量化模型, 设计了超长期、中长期和中短期三类情景, 采用反事实分析, 衡量了不同情景下印度承接中国产业转移对中国GDP和就业的影响. 研究结果表明, 我国产业向印度外移将产生巨大的社会经济冲击. 在超长期, 这一产业转移可能导致中国GDP降低15.6%, 从业人员总体收入下降16.8%, 同时减少就业人数1.1亿人, 在中长期、中短期的影响也较为显著. 分行业来看, 低研发强度和中低研发强度制造业在中短期和中长期视角下的转移对中国经济的影响都较大. 以计算机为代表的高研发制造业在超长期视角下的转移也对中国经济造成较大的负面影响. 本文的定量分析有助于预判未来产业布局变化对中国经济的冲击, 以提前布局应对策略. 结合中长期国际经济形势展望和国内区域经济、产业经济发展特征, 我们提出了三点政策建议, 为政府相关部门的决策提供科学参考.

金融科技兼具金融性、普惠性和科技性. 在新发展格局下, 扎实推进我国共同富裕离不开金融科技的支撑. 本文首先基于我国2011–2020年省际面板数据, 从发展性、共享性和可持续性三个特征维度构建共同富裕综合指数及子指数, 进而研究金融科技发展对我国共同富裕的影响效应和作用机制. 结果表明, 金融科技发展能够显著促进我国共同富裕. 进一步研究发现, 金融科技发展的覆盖广度对我国共同富裕的促进效果更为明显, 且对共同富裕的可持续性有更强的促进作用, 发展性次之、共享性最弱. 机制分析表明, 金融科技发展能够促进人力资本积累、提升市场化程度、促进流通业发展、提振居民消费, 通过畅通国内大循环助力我国共同富裕. 异质性检验发现, 金融科技发展中存在区域马太效应, 而提升创新活跃度有助于缓解金融科技的马太效应. 为此, 本文提出持续推动金融科技提质增效, 改善国内大循环的各个环节, 增强数字基础资源倾斜力度, 提升区域创新活力, 从而使金融科技更有效地发挥其效能, 为实现我国共同富裕增添动力.

本文基于2017年和2019年中国家庭金融调查数据(CHFS), 针对我国通勤对居民主观幸福感的影响与作用机制, 从城乡异质性、人口特征异质性角度开展了系统性研究. 研究发现: 第一, 通勤的三个方面通勤时间、通勤距离、通勤方式对于居民主观幸福感具有显著影响, 通勤时间对居民主观幸福感具有显著负向作用, 而较长的通勤距离通过提升其他方面的效用来弥补长距离通勤对居民主观幸福感的负向作用, 通勤方式中, 现阶段公共交通对于居民主观幸福感提升的抑制作用最为明显. 第二, 作用机制分析表明, 通勤时间、通勤距离、通勤方式因区域位置、个体特征的差异对居民主观幸福感影响表现出较强异质性, 在城镇地区、东部地区、高房价地区、男性居民、已婚居民、有孩子居民的分组中影响作用更强. 第三, 在进一步探讨通勤提升居民主观幸福感的外部条件中, 过度建设大桥、立交桥等并不利于提升通勤质量, 反而可能损害居民的主观幸福感.

本文检验了因子动量策略在中国市场上的盈利能力, 并对因子动量策略的超额收益来源给出了合理解释. 研究发现因子动量策略在A股市场可以获得显著的超额收益, 且多头端贡献了策略的大部分收益. 在考虑控制多个横截面指标, 不同的经济状态下以及使用不同的因子数量作为因子样本后, 因子动量策略的收益仍然显著. 本文进一步从行为金融学角度发现投资者情绪越低, 因子动量策略的收益会越高. 且在极端市场行情下, 因子动量策略的收益高于平稳市场. 本文为中国机构投资者根据因子动量进行市场择时的可行性提供了有力证据, 对丰富机构投资者的价值投资策略也有一定的启示.

随着社交媒体的兴起, 其对上市公司财务透明度的影响日益受到关注. 本文旨在探讨社交媒体, 特别是东方财富股吧的发帖活动, 如何影响上市公司的财务造假行为. 借助东方财富股吧发贴数据, 通过构建关于财务造假被惩处的双变量probit回归模型, 本文发现股吧发帖数目与造假发生的概率成反比、与造假被发现的概率成正比, 即社交媒体可能起到抑制财务造假以及揭露财务造假的双重作用. 为了应对内生性问题, 本文使用了工具变量法. 进一步, 基于"造假三角(fraud triangle)"理论, 本文提出并验证了股吧发帖活动通过降低潜在造假机会和增加合理化造假难度来降低财务造假可能性的两条路径. 异质性分析揭示了负面帖子和高级用户发布的帖子在抑制财务造假方面更为有效. 本研究不仅丰富了对社交媒体如何在公司治理中发挥作用的理解, 也为监管机构如何利用社交媒体进行财务监管提供了借鉴.

基于时变超阈值模型和溢出指数方法构建国际股票市场尾部风险关联网络, 从大小、方向和动态性的角度考察1997–2022年间全球10个重要股票市场之间的尾部风险溢出效应, 对极端风险事件下尾部风险关联结构的时变特征进行考察, 并分析了尾部风险传染的内在机制.研究发现, 整个样本期内, 10个市场尾部风险溢出的均值达到59.79%, 呈现出明显的尾部风险跨市场传染效应, 且该效应在危机时期更为显著.美国是最大的尾部风险净输出者, 是国际股票市场极端风险的重要来源之一.中国内地市场则具有最低的双向尾部风险溢出水平, 并长期保持尾部风险净接收者的地位.中美贸易摩擦和新冠疫情暴发以后, 国际市场尾部风险联动增强, 给防范境外输入性风险冲击、维护金融安全与稳定带来了更大的挑战.国际尾部风险溢出结构也具有明显的时变特征, 平稳时期主要存在发达资本市场之间的溢出效应, 新兴市场间的尾部风险溢出效应在危机时期明显增强.最后, 经济基本面和市场传染都是国际股市尾部风险溢出效应的重要影响因素.

本文基于上市公司2009年至2021年度包括企业董事、监事和其他高级管理人员在内的个人特征信息, 利用文本分析识别出环保背景高管, 研究其对于所在企业当年度和未来一年度ESG评级的影响.研究发现, 上市公司董监高团队具备较好的环保背景能显著提高企业当年度及下一年度的ESG评级, 这一作用受到权力效应和利益关联的影响.而且随着新《环境保护法》实施, 相对于其他企业, 有环保背景高管的企业ESG评级在2015年后有显著的提高.对ESG不同维度的分析表明, 环保背景高管对于企业ESG评级的提高主要在于环境和社会责任维度.机制分析表明, 企业环保背景高管能够通过两种途径提高企业ESG评级, 一是提高股东大会上ESG相关议案通过概率, 二是健全企业环境保护制度.基于股权、行业和历史评级的异质性分析结果表明, 环保背景高管对于企业ESG评级提高作用主要集中在国有企业、污染行业和历史评级较低的企业中.

本文从环境规制软约束的视角研究环境规制对经济可持续发展的影响.我们构建了一个以绿色创新投资门槛效应为基础的理论模型, 首次将环境规制软约束引入波特假说的理论框架中, 分析环境规制和环境规制软约束如何影响企业的创新和竞争力.利用2007-2014年中国工业SO₂排污费征收标准调整这一准自然实验, 本文综合利用中国工业企业数据库、中国上市公司数据和国家重点监控企业排污费数据, 基于双重差分和三重差分模型, 研究环境规制和环境规制软约束对企业竞争力的影响.研究结果显示, 在经济转型时期的中国, 环境保护和企业竞争力存在实现双赢的可能.面对相同的环境规制政策, 波特假说是否可以实现受到环境规制软约束的影响.当企业面临环境规制软约束问题时, 企业竞争力显著下降.通过进一步分析, 本文发现环境规制软约束问题抑制了环境规制的创新激励.由于环境规制带来成本的增加, 最终导致企业竞争力的下降.当较少存在环境规制软约束时, 环境规制反而激发企业显著的创新效应, 并通过创新补偿效应显著提升了企业的盈利能力.

本文探讨由银行与非银行金融机构发展与使用的两种金融科技创新对我国A股上市公司舞弊行为的影响. 基于2011年至2020年的面板数据, 研究结果表明, 两种金融科技均能通过增强企业内部控制水平与外部关注水平来抑制企业舞弊. 异质性分析表明, 两种金融科技的抑制效应在数字化转型较高、信息披露较低的企业中更为显著. 另外, 由于金融科技研发者的经营条件、策略、目标不同, 银行金融科技的抑制效应在所有企业中显著, 而非银行金融科技的抑制效应则仅在高风险企业中显著. 区分企业舞弊类型时, 两种金融科技对信息披露类、资金使用类以及其他类舞弊行为造成了显著的抑制效应. 本文进一步分析发现银行金融科技与非银行金融科技的应用效果之间存在复杂的互动关系. 具体地, 银行金融科技的抑制效应在非银行金融科技发展较弱时显著, 非银行金融科技的抑制效应则在银行金融科技发展较强时显著. 通过同时纳入两种金融科技及其交互项, 两种金融科技在资金使用类与其他类中体现出显著的协同抑制效应. 最后, 本文的结果还表示两类金融科技的协同发展有可能会带来潜在的风险. 综上所述, 本文在识别金融科技发展对企业舞弊行为影响的基础上, 凸显了不同类型金融科技的“共性”特征与“个性”差异, 强调银行金融科技和非银行金融科技之间潜在的未来合作机会, 并指出金融科技发展过程中的潜在风险.

提升民生福祉是我国新时代高质量发展的核心目标之一. 数字普惠金融对提升我国居民主观幸福感具有关键作用. 本文利用2013至2019年的中国家庭金融调查数据, 基于城市等级信息, 将其与市级数字普惠金融指数进行匹配, 运用有序Probit模型实证研究了数字普惠金融发展对居民主观幸福感的影响. 研究结果表明, 数字普惠金融发展显著提升了我国居民的主观幸福感; 分维度看, 其覆盖广度和使用深度对居民主观幸福感具有正向影响, 数字化程度则产生负面效应. 此外, 数字普惠金融发展对不同收入水平和受教育水平群体的主观幸福感的影响存在显著差异. 机制分析结果表明, 数字普惠金融发展会通过提升居民金融素养、改善居民经济状况和提高社会保障水平三种途径提升居民主观幸福感.

金融市场瞬息万变, 对于量化投资策略, 需要及时地调整和优化.融合模型可以根据市场变化动态调整模型的权重和组合方式, 实现自适应的调整和优化.基于此, 本文尝试从融合模型的角度来设计量化投资策略.本文基于LightGBM、Adaboost、XGBoost三种不同的Boosting类算法构造了三个不同的融合两层Stacking模型, 通过沪深300成分股上进行选股回测实证分析来对比择优来得到最合适的基学习模型和次级模型最佳的融合效果.实证结果表明, 三种不同的融合模型在股票市场的预测表现均优于单一算法模型, 其中表现最为优异的是基学习器为XGBoost和LightGBM算法, AdaBoost算法作为次级学习器的融合模型.在持仓数量为20只时, 平均年化收益为13.57%, 夏普比率为1.23, 最大回撤为0.48.此外该回测结果表明, 融合模型在市场波动性较大时有更好的适应性和有效性.本研究能够为投资者提供一种新的投资思路, 也对如何推动融合模型在金融实践中运用具备一定的启示意义.

随着经济发展, 政府税收和债务的问题也成为了人们关注的焦点之一. 尤其是在经济下行时期, 如何通过合理调控税收水平和债务水平来实现经济的稳定发展, 也成为了政府考虑的问题之一. 考虑到现实生活会面临通货膨胀的冲击, 本文将构建一个在通货膨胀背景下政府最优税收和债务模型, 试图分析通胀对我国最优税收和债务的影响. 首先利用随机分析理论推导通胀不确定环境下政府实际债务价值的演化动力学方程. 接着, 利用动态规划原理推导出通胀不确定环境下最优实际家庭价值的哈密尔顿-雅可比-贝尔曼(HJB) 方程. 最后, 对政府最优税收和债务进行数值模拟, 分析通胀对政府最优税收和债务的影响, 以及对达到债务容量的时间影响, 并预测我国到达债务容量的时间. 研究结果表明, 在最优税收和债务下, 较高的预期通胀率和较低通胀波动率都会降低税率和债务的边际成本, 并会缩短到达债务容量的时间.

利用2015年、2017年和2019年中国家庭金融调查数据, 结合收入转移矩阵分析法和实证分析法, 系统性研究了数字金融对农户收入流动和收入不平等的影响. 收入转移矩阵分析表明, 使用数字金融农户收入从低位次向上流动的概率高于未使用数字金融农户. 实证研究发现: 数字金融显著促进农户收入向上流动, 并显著降低收入不平等. 作用机制表明, 数字金融是通过提高农户金融可得性、促进农户发展要素积累和外出务工来提升收入流动性的. 同时, 相较于中高收入农户, 数字金融对低收入农户金融可得性、发展要素积累和外出务工影响效应更大, 有利于缩小低收入农户与中高收入农户收入差距, 降低收入不平等, 助力包容性增长. 进一步讨论发现, 数字金融通过以上三条路径主要作用于农户财产性收入与工资性收入, 最终改善农户整体收入流动与收入不平等; 此外, 数字支付与数字理财均能显著促进农户收入向上流动并降低收入不平等, 而数字借贷则影响不显著. 本文为深化数字金融促进农民持续增收、优化农村收入分配格局提供了经验依据.

为贯彻落实习近平总书记关于“提升国家自然科学基金资助效能”的重要指示精神, 国家自然科学基金委员会管理科学部组织开展了一系列调研活动, 系统分析杰青、优青人才项目的资助效能.设计并发放了556份调查问卷, 参与座谈专家233人次.我们利用变异系数法、双重差分法、自然语言处理等统计方法对调研数据进行量化分析.调研数据统计发现: 与优青等人才项目相比, 杰青的综合资助效能相对较高, 立项后其学术成果、学术影响力均有大幅度提升; 杰青优青等人才项目的资助效能存在异质性; 从年龄上看, 42岁前获杰青资助的学者, 其综合资助效能会有更大提升.基于调研分析, 提出了人才项目要“强化过程管理与结题管理”等建议.

在金融科技发展的背景下, 本文从金融大数据复杂特征入手, 阐述了使用多源数据信息辅助目标任务的重要作用, 从多源数据的角度解释了迁移学习技术对处理数据异质性的重要性, 并对迁移学习技术相关概念和方法进行梳理和综述, 包括数据驱动和基于模型的迁移学习方法. 此外, 本文提出了基于广义矩估计(GMM) 的迁移学习方法的统一框架, 给出有效的迁移学习的算法, 并将所提出方法应用于多源数据下基于风险价值(VaR)和期望分位数(expectile)的风险度量. 然后, 在银行个人信用评估场景下模拟了样本量不足和样本不平衡两种情况, 测试了三种迁移学习方法的预测精度, 并分析了筛选资源域信息对提高估计精度的重要作用. 最后, 描述了更多迁移学习在金融领域的应用场景与发展前景.

创业是缓解社会就业压力的关键手段之一, 也是保障经济中高速增长的长期动力. 数字普惠金融的深入发展激发了创业活力, 但其是否能够有效提高创业质量仍是值得探究的话题. 本文利用中国家庭金融调查(CHFS)数据研究发现, 数字普惠金融对于提升家庭创业绩效具有积极影响. 进一步分析表明, 优化创业外部环境, 包括改善地区信用环境、提升地区创新水平以及推动市场一体化进程等, 是数字普惠金融提升家庭创业绩效的重要途径. 此外, 基于创业主体特征以及地区特征的差异性, 本文发现数字普惠金融对创业绩效的影响在中高金融素养家庭、异地家庭及更发达地区家庭中效果更加显著. 本文研究对于进一步推动数字普惠金融发展, 更好地提升创业发展质量具有一定的参考意义.

全面考察产业系统的结构和韧性, 以及重大事件背景下它们的变化, 有助于深入理解产业之间的生产协作关系, 维护系统整体的稳定运行, 进而科学指导资源优化配置, 推动产业转型升级. 本文以投入产出表为数据基础, 将复杂网络理论与整数规划方法相结合, 构建投入产出-整数规划复杂产业关联网络, 探讨中国产业系统结构与韧性的变化轨迹. 实证结果表明: 1) 产业系统结构显著影响GDP增长速度, 前者越密集则后者越快速, 反之亦然. 自2011年以来的10年里, 实际中的产业系统结构朝越来越稀疏的方向发展; 2) 积极的经济政策施行、供给侧结构性改革等将缩短产业之间资源传递距离, 改善产业系统结构, 但其作用具有局部性; 而欧债危机升级、中美贸易摩擦加剧、新冠疫情暴发等由于延长了上述距离, 造成负面冲击, 其影响呈现出全局性; 3) 与经济高速增长时期相比, 在中低速增长期间产业系统的结构更为松散, 导致某些产业在更大范围内充当“中介”来协调资源以满足生产的需要, 在贸易摩擦和新冠疫情发生时这一现象显得更加突出; 4) 从2011至2020年, 产业系统的韧性始终保持在较高水平, 但总体上表现出减弱的趋势. 在相关经济政策和市场改革的驱动下, 产业系统面对重大事件冲击的抵御、适应和恢复能力得以显著提升.

在一系列国际重大突发事件的叠加影响下, 国际大宗商品价格剧烈波动, 给我国带来了显著的输入型通胀风险. 立足区域资源禀赋推动大宗商品产业集群化发展可能是应对这一风险的可行方案, 但其实际效果尚未被定量论证. 本研究开发了区域间投入产出价格模型, 并在此基础上集成计量经济模型和假设提取法, 构建了输入型通胀风险的综合测算框架. 基于这些定量模型, 本研究实证分析了新疆电解铝产业集群化对输入型通胀风险的潜在影响. 实证结果表明, 新疆电解铝产业的集群化发展一方面通过产业规模扩张增强了总体物价水平与国际铝价的“绑定”, 导致国际铝价对工业生产者出厂价格指数(PPI) 的综合传导效应上升, 另一方面也通过提升自给能力和增强定价权, 减少国内价格体系对国际铝价波动的敏感性. 尽管截至2017年的测算结果显示前者的影响机制强于后者. 但从长期来看, 在尊重各区域资源禀赋优势的前提下, 在产业政策的宏观调节和应急管理下, 后者的影响机制将进一步强化, 并最终起到平抑输入型通胀的作用.

在探讨复合假设检验问题时, 基于经验过程的检验统计量往往缺乏分布无关性. Khmaladze变换, 包括鞅变换和酉变换, 为克服这一难题提供了有效的解决方案. 首先, 20世纪80年代初期, Khmaladze提出了鞅变换, 专门用于处理连续分布函数的检验问题. 随着时间的推移, 鞅变换的理论基础得到了不断的深化和完善; 其应用范围也日益扩大, 涵盖了分布函数与回归模型等众多检验问题. 进入21世纪, Khmaladze在2013年和2016年进一步提出了酉变换. 其不仅适用于离散分布, 也适用于连续分布, 为统计学领域带来了新的视角和工具. 然而, 尽管Khmaladze变换在国际上已有一定的研究基础, 但在中国, 这两种变换方法的研究和应用尚未得到充分的认识. 本文旨在对Khmaladze变换的起源、理论原理、发展过程以及当前的应用状况进行梳理, 并对其进一步拓展和应用前景提出一些思考.

由于全球新冠疫情的暴发, 各国经济和金融市场受到了严重的冲击, 而中国有色金属期货市场也不例外. 因此, 对于新冠疫情如何影响中国有色金属期货市场的研究, 在我国期货市场的发展进程中具有重要的理论和实践意义. 本文采用了MF-DFA和多重分形谱分析方法, 通过对沪铜、沪铝、沪锌、沪铅四种有色金属期货价格数据进行分析, 探讨了新冠疫情对这些市场效率的影响, 并进一步分析了市场风险的变化情况. 实证结果显示, 除了沪铜期货外, 沪铝、沪锌、沪铅三种有色金属期货受到新冠疫情冲击后, 市场效率下降、市场风险加大. 具体而言, 沪铝期货市场效率下降最为明显, 而沪铅期货价格波动最为剧烈, 市场风险增加最多. 此外, 本文对新冠疫情前后原始时间序列进行重排和替代处理后发现, 在疫情前, 时间序列的长程相关性对四种金属期货市场低效性的贡献程度更大; 而在疫情之后, 时间序列的厚尾分布对沪铜期货市场出现低效性的作用程度更大. 而对其他三种有色金属期货来说, 时间序列的长程相关性依然是其造成市场低效性更加重要的原因. 以上结论阐述了较大冲击因素对市场造成的影响特征, 有助于我国有色金属期货市场的成熟稳定发展.

良好的财务状况是企业可持续发展的基础, 但由于制度不完善、市场结构缺陷、管理水平较低等原因, 我国上市公司财务欺诈屡禁不止, 本文旨在使用新闻媒体对上市公司财务欺诈的报道等文本数据识别欺诈行为, 并创新性地引入涉诉相关、监管问询、内部控制与风险管理等观测指标, 探讨中国上市公司财务欺诈识别问题. 研究表明, 企业涉诉次数和监管问询频次与财务欺诈行为呈正相关; 当企业内部控制有效并采取较好的风险应对时, 其财务欺诈行为减少. 本研究创新性地分析了年度净利润指标在欺诈分析中的临界值, 当年度净利润小于1500万元时, 欺诈的可能性大幅提高. 最后, 本文使用抽样技术开发不平衡的机器学习模型继续检验上述指标, 基于Cluster Centroid抽样技术的随机森林模型能够准确识别出98%的财务欺诈样本. 本文结合计量分析和机器学习模型, 为上市公司财务欺诈识别提供了大量新的实证证据, 扩充了指标体系, 创新了研究视角.

投入产出数据作为国民账户体系(System of National Accounts, SNA)中产业数据的核心, 是经济结构分析的重要数据基础.目前国家统计局已开始了对我国投入产出核算方法的改革.在此背景下, 本文系统归纳并分析了SNA核算思想从早期英美主导向后期欧洲主导转变过程中在核算框架上表现出的主要特征.分析表明分歧的焦点主要集中在生产核算上, 进而导致了投入产出核算的引入及后来的发展.沿着这样的理论路径才能更好理解投入产出核算方法变化和欧美不同做法背后的原因, 从而正确认识当前形势下我国投入产出核算方法改革对于我国整体核算框架的完善, 以及服务于我国经济结构转型分析所具有的理论和实践意义, 并进一步明确改革的路径和方向.在上述分析基础上, 基于我国实际并借鉴国外做法, 为我国投入产出核算的改革提出建议.

股指数据受到多重因素的影响, 呈现出非线性、非平稳、高复杂度、高波动的特点, 因此单一模型很难完整刻画其数据特征. 本文提出了一个基于分解-重构-集成框架的股指收益率复合预测模型, 利用变分模态分解(VMD) 将原始的高复杂度股指时间序列进行分解, 以复合多尺度熵(CMSE) 作为重构指标, 将股指数据分量重构为长期趋势项、中期影响项、短期扰动项, 根据其数据特征分别利用ARIMA、BPNN、LSTM模型进行预测, 最后将各频率项预测进行集成得到最终预测结果. 本文将提出的方法应用于八个重要行业股指预测, 并与以Fine to Coarse (FTC)、样本熵(SE)、模糊熵(FE)、多尺度排列熵(MSPE) 作为重构方法的模型进行比较. 随后, 本文提出了两种行业轮动策略——等权投资与动态权重投资, 从保守和激进两种角度验证所提出模型在实际交易中的性能. 实证结果表明了在股指预测中, 以复合多尺度熵作为重构指标优于其余重构指标. 相较于基准模型, 本文提出的复合模型能获得较低的预测误差及较高的方向精度, 并且我们提出的行业轮动策略在风险及收益方面表现优异.

当前, 高质量发展是全面建设社会主义现代化国家的首要任务, 而正确处理经济增长目标与环境保护目标之间关系是高质量发展的题中应有之义. 本文基于223个地级以上城市的面板数据集, 从经济增长目标动员的视角切入, 探究雾霾污染问题. 研究结果显示, 从全国层面来看, 经济增长目标动员显著增加了雾霾污染; 同级政府间的策略模仿显著增加了本地的雾霾污染, 上级政府的目标考核能够有效纠正下级政府的治理偏好. 异质性分析结果表明, 经济增长目标动员的雾霾污染效应在不同行政级别的地级市之间不存在显著差异, 但在位于东部地区的地级市和人口规模更大的地级市中的效应更大. 进一步分析发现, 目标动员约束强度加剧了经济增长目标动员的雾霾污染效应, 该效应是地方政府基于投资拉动增长的发展模式放松环境规制强度的结果, 具体原因是污染治理投资不足. 本研究对解决地方政府经济增长与环境保护的"两难权衡" 以及加快转变经济发展模式具有积极的政策启示.

随着数字金融的飞速发展, 数字化转型已成为商业银行的一项战略要务. 本文使用更加全面的中国银行业微观数据, 以银行数字化转型的不同阶段所具备的风险收益特征为切入点, 深入剖析其对系统脆弱性风险的动态影响机制. 实证结果表明, 银行数字化转型水平与自身的系统脆弱性风险呈显著的倒U型关系且结果十分稳健, 在考虑内生性问题后依然成立. 机制检验发现, 银行数字化转型通过改变银行收入获取效率与主动风险承担来间接影响银行自身的系统脆弱性风险. 本文的实证发现对于防范银行业系统性金融风险, 理解数字化创新与风险管理的平衡, 具有重要现实意义.

近年来程序化交易在A股市场兴起, 其对资本市场定价效率的影响日益受到关注. 本文以创业板和科创板公司为研究对象, 旨在探究程序化交易对企业披露季度盈余公告前股价信息含量的影响. 本文首先结合A股交易制度和投资者结构特征, 构建适应于A股市场的程序化交易指标. 在此基础上, 实证检验发现程序化交易降低了盈余公告前股价的信息含量, 即程序化交易的流动性需求策略发挥主导作用. 进一步的机制分析揭示, 程序化交易对股价信息含量的消极影响源自于提高了慢速投资者的交易成本, 以及减少了知情交易者的大额订单. 最后, 研究发现程序化交易对知情交易者存在“挤出效应”的同时也减弱了噪音交易引起的股价异常波动. 本研究加深了对程序化交易在市场层面的经济后果的理解, 对我国监管机构完善程序化交易相关制度具有参考意义.

在推动全国各地区梯次有序碳达峰的新形势下, 评估绿色信贷的空间减碳效果对进一步改进和发挥其减碳作用具有重要意义.本文基于2010–2019年中国30个省的面板数据, 采用Moran、Geary等指数检验了各地绿色信贷发展规模与区域碳排放的空间相关性, 刻画了其时空演变趋势, 构建空间杜宾模型(SDM)分析了绿色信贷对区域碳减排影响的空间效应, 并结合Bootstrap检验法揭示了其作用机理.研究发现: 1)从时空演变趋势上看, 绿色信贷在全国呈现"先东部、后内陆" 的发展趋势, 且东部地区规模最大, 西部地区规模增长最快; 2)绿色信贷的发展能够显著促进碳减排, 且空间溢出效应显著; 3)绿色信贷对本地及邻地的减碳效果存在显著空间异质性.西部地区绿色信贷在资源和技术交流下带动了邻地的碳减排, 而在东部地区严格绿色信贷规制造成了污染转移和技术研发资源流失, 加剧了邻地碳排放; 4)绿色技术创新在绿色信贷对区域碳减排的影响中起到重要中介作用.以上结论可为绿色信贷区域协同合作、发挥减碳溢出效应和促进各地因地制宜减碳等政策制定提供实证依据.

设置经济增长目标是地方政府宏观经济管理的重要手段. 本文着重考察经济增长目标设置理念转变对制造业结构优化的影响效果, 通过逻辑推理和文献归纳提出地区经济增长目标对制造业结构优化的影响机制假说, 并基于中国2001——2020年31个省区(不包括香港、澳门特别行政区和台湾省)的省级面板数据进行实证检验. 调节效应分析显示, 地区经济增长目标设置理念转变后地区经济增长目标对制造业结构合理化具有显著促进作用, 施加环境约束能有效弱化地区经济增长目标对制造业结构高度化的抑制作用; 地区经济增长目标加码程度减弱有助于弱化地区经济增长目标对制造业结构优化的抑制作用; 中介机制检验结果表明, 政府绩效考核下地区经济增长目标能通过投资结构扭曲效应、技术创新挤占效应以及要素市场发育阻滞效应对制造业结构高度化和合理化产生抑制作用, 这为减少经济增长目标设置的负向影响以及促进制造业优化发展提供了可行路径.

预测是决策和规划的基础, 包括单变量和多变量预测建模. 由于单变量预测建模仅需利用时间序列本身的历史值, 在农业、能源、环境、金融等领域得到了广泛应用. 数据特征驱动模型是基于数据本身特征进行模型选择, 以预测未来趋势. 本文立足于数据特征驱动的预测建模研究范式, 通过文献梳理和总结, 提出了数据特征驱动的单变量预测建模的七种典型框架, 即专家知识类、数据特征驱动类、专家知识驱动的分解-集成类、专家知识驱动的分解-聚类-重构-集成类、数据知识混合驱动的分解-集成类、数据知识混合驱动的分解-聚类-重构-集成类、知识数据混合驱动的分解-集成类. 在此基础上, 对数据特征分类与识别方法、分解-集成方法、聚类-重构方法和预测方法等进行了评述. 最后, 从混叠数据特征的识别检验、智能化预测建模、聚类-重构新方法、预测-集成新方法、时序预测大模型等方面讨论了未来的五大研究方向及其典型科学问题, 以期为促进数据特征驱动的单变量预测理论与方法的研究提供参考.

增强机构投资者的价值投资引导力有助于资本市场充分发挥价值发现和资源配置的功能. 本文从主动管理类公募基金的持仓网络中识别基金团体, 探究基金抱团行为对股价信息融入的影响. 结果表明, 基金抱团阻碍了股价信息融入, 且该结论在经过一系列稳健性检验后依旧成立. 本文在机制检验中发现: 在投资者交易行为层面, 基金抱团一方面通过减少团体内部成员之间的竞争性交易、增加基金团体与外部其他投资者之间的信息不对称引发股票流动性恶化; 另一方面, 基金抱团吸引了大量机构和散户投资者集体性交易, 从而阻碍了股价信息融入. 在公司治理参与层面, 基金抱团削弱了“退出威胁''机制对公司管理层的市场化监督作用, 造成公司信息披露质量下降, 从而损害股票市场定价效率. 进一步地, 本文发现基金抱团引发的股价信息融入延迟在经济下行时期、基金承受较大业绩压力以及个股受关注程度较低的情况下会显著加剧. 而且, 基金抱团会诱发股价估值泡沫和崩盘风险, 为资本市场的平稳运行埋下隐患. 本文从基金团体内部的利益捆绑和共进退特性入手, 揭示了这一强网络关系限制如何通过影响投资者交易行为和公司治理参与导致股价信息融入延迟, 深化了对机构投资者网络结构复杂性及其市场后果的认知, 对于推进公募基金行业和资本市场的高质量发展具有重要启示意义.

推进大众创业、万众创新对推动经济结构调整、打造发展新引擎、增强发展新动力、走创新驱动发展道路具有重要意义, 也是促进社会纵向流动、公平正义的重大举措.本文利用中国家庭金融调查(CHFS) 2013--2017年三轮调查数据测度我国就业市场中的机会不平等, 并实证研究了其对居民创业的影响效应和作用机理.结果表明, 就业市场中的机会不平等上升将显著激发居民家庭创业动机, 机会不平等每增加一个标准差会使家庭创业概率增加1.14%; 机制分析表明, 机会不平等激发了居民的地位追求动机, 进而促进了居民创业.而扩展研究表明, 数字金融强化了机会不平等对创业的正向驱动效应, 这种强化作用是仅仅存在于城镇地区, 且是通过提高贷款可获得性实现的; 另外本文发现民生性财政支出同样可以放大机会不平等对居民家庭创业的促进作用; 在异质性分析中, 本文发现受教育程度更低、总资产更低、没有失业保险的条件相对弱势的家庭具有更强的创业动机.最后, 本文发现机会不平等抑制了创业家庭的创业绩效, 这表明政府政策应落脚到加强机会均等和帮扶居民创业.

采用房企微观土地交易数据, 基于十八大以来反腐工作外生事件冲击, 采用双重差分方法分析了反腐对房企拿地投资的影响.对于拿地行为, 发现整体上拿地后房企股价超额收益率显著下降.反腐后, 房企股价超额收益显著增加, 费用支出显著降低, 拿地价格显著增加, 整体投资效率显著提升.对于国企和非国企样本, 反腐影响主要集中于非国企样本.最后, 对于改善房企投资和土地交易环境, 针对实证结果从企业异质性角度给出了相应政策建议.

在二十大提出的碳达峰碳中和目标与能源转型目标协同发展总路线中, 发展可再生能源是核心路径和必然选择, 而金融市场中融资规模、融资效率等方面无不影响着地区可再生能源发展.鉴于此, 本文选取2009–2018年中国31个省份(直辖市、自治区, 未包含港澳台地区)的面板数据为样本, 通过构建双向固定效应模型、中介效应模型和门槛效应模型, 实证检验了金融资源对地区可再生能源发展的影响机制, 并深入剖析了影响路径中的中介效应和门槛效应.实证结果发现: 金融发展能够显著驱动地区可再生能源增长, 但这种作用存在U型非线性门槛特征, 只有当金融发展水平突破一定阈值后, 才能表现出有效的驱动能力; 金融发展对地区可再生能源增长的影响存在显著的区域异质性, 其中西部最强, 东部次之, 中部最弱; 融资规模和技术创新在金融发展与地区可再生能源增长之间发挥完全中介效应.本文研究结论为中国实现“双碳”目标、推进区域可再生能源发展、构建绿色金融体系提供了理论依据和政策参考, 具有重要的理论和现实价值.

自资本资产定价模型提出以来, 资产回报的风险收益关系一直是学术研究的重点问题, 但当前关于CAPM模型有效性的争论仍在继续且结论并不统一. 本文在已有研究的基础上, 综合考虑中国A股市场隔夜与日内时段在交易机制、交易特征和投资者类型等方面的差异, 创新性地将整日时段分解为隔夜和日内两部分, 并采用分组构建投资组合及Fama-MacBeth回归分析手段, 分时段检验了Beta系数代表的系统性风险与个股收益间的关系, 得出了时段异质性对A股市场风险-收益关系检验的影响. 实证结果表明: 整日时段和日内时段Beta系统性风险与收益正相关, 而这一现象在隔夜时段并不存在, 甚至会表现为一定的高风险-低收益现象. 即已有基于整日回报计算的A股市场风险收益关系主要揭露了市场主要交易时段的表现, 未能揭示集合竞价阶段个股系统性风险无法在价格中有效反馈的现象, 本文研究有效补充了这部分内容. 进一步, 本文研究发现, 整日和日内时段正向的风险-收益关系在市值较小、流动性较差及具有高特质风险的股票中更为显著, 市场中投资者情绪变化和套利限制指标对这一结果也具有显著影响. 此外, 本文结果在基于不同因子模型调整、不同Beta测度方法和各类子样本检验中均稳健存在. 本文研究对于投资者进一步认识CAPM模型、了解风险收益关系在不同时段的表现和完善风险-收益评估框架具有重要意义, 研究结论有助于监管者完善相关政策和定价机制, 实现我国A股市场系统性风险的有效衡量.