一、马尔可夫链及其在股市分析中的应用(论文文献综述)
谢涛[1](2021)在《基于小波变换的并行化MCMC算法改进及其应用研究》文中指出多元随机波动(MSV)模型是一种基于随机过程理论来刻画样本方差时变特征的波动率模型,能够有效描述金融市场间存在的波动溢出效应,并且由于引入了随机误差项,相较广义自回归条件异方差(GARCH)模型而言更加符合金融市场的实际情况,对金融数据的细微变化更加敏感,具有较高的灵活性和拟合效果,在金融时间序列数据建模中发挥着重要的作用。但由于MSV模型中包含大量不可测量的潜在变量,无法测算其真实似然函数,因此在其模型参数估计方面存在诸多限制,传统的伪似然估计法、广义矩估计法都很难得到准确的参数估计结果。在以往的文献中,马尔可夫链蒙特卡洛(MCMC)方法被研究者们广泛应用于高维模型的参数估计中,本质是结合蒙特卡洛模拟抽样和平稳马尔可夫链产生伪随机数的蒙特卡洛积分,其优点在于MCMC算法的参数估计是基于真实似然函数并且不受高维数据影响,程序简单易于调试。因此,越来越多的研究者将MCMC算法与多元随机波动模型的参数估计结合起来,拓展了金融数据计量建模的使用空间。但是,随着高频数据分析范围的不断拓展,以小时、分、秒来衡量的金融时间序列逐渐出现,传统MCMC算法也不可避免地面临着收敛速度变慢、耗时过长等问题,因此需要提出一种更加高效便捷的方法,帮助研究者们进一步拓展多元随机波动模型的具体应用途径。近年来,小波理论与多分辨率分析的快速发展使MCMC算法的改进成为可能。小波变换(Wavelet Transform)的理论基础起源于傅里叶变换,能够充分发挥小波函数的运算性质,通过信号时域和频域的局部伸缩平移变换便捷高效地提取关键信息,并且依据正交滤波器对原始信号进行处理,在保证蕴含真实信息的频段不受损的前提下降低信号的复杂程度,实现MCMC算法运行速度的提升,更加符合金融时间序列的时变特征和具体数据的分析需要。随着计算机技术的快速发展,并行化抽样理论能够通过编程实现抽样迭代过程的优化,从而有效解决传统马尔可夫链蒙特卡罗(MCMC)算法在高维模型参数估计中运行速率低下和不易收敛的缺陷。并行化抽样机制的优点在于,融合自适应算法以自主调整建议分布的带宽,针对不同初始分布的待估参数采取不同的并行化取样机制,提高MCMC算法对多元随机波动模型参数估计的计算效率。本文根据以往研究结果,对传统MCMC算法进行改进,重点介绍一种多元随机波动模型参数估计的改进MCMC方法,即基于小波变换的并行化MCMC算法。该算法结合小波变换与多分辨率分析思想,以信号频谱为分析依据,基于门限阈值函数对各级信号进行分解重构,通过小波滤波降低高维模型自相关性和空间复杂程度。对于多元随机波动模型中不同先验分布的待估参数,改进MCMC算法采取Gibbs抽样的并行化方案,优化算法取样与迭代运算过程,理论上能够最大程度地发挥MCMC算法模拟迭代优势,有效提高算法运行速度。为了实证检验基于小波变换的并行化MCMC算法在参数估计中的实际效果,本文选取2006年7月10日至2020年4月23日期间,纽约商品交易所的西德克萨斯中质原油期货(WTI)和伦敦洲际交易所的北海布伦特原油期货(Brent)的收盘价周数据,选择Daubechies小波基函数对原始金融时间序列进行多分辨率分解,将高频噪声过滤并保留蕴含真实信息的部分,根据降噪重构信号建立多元随机波动模型,分别采用传统MCMC算法和基于小波变换的并行化MCMC算法进行迭代估计,并且从参数估计结果的收敛性、显着性、拟合效果、运行时间、运算精度五个方面,检验基于小波变换的并行化MCMC算法的实用效果。实证结果表明,对于短期GC-MSV、DC-MSV、DGC-t-MSV模型,基于小波变换的改进算法与传统算法获得的多元随机波动模型均具有较高的拟合优度,在参数估计结果方面两种算法并不存在显着性差异,但是基于小波变换的并行化MCMC改进算法的模拟退火和迭代估计运行时间大大降低,其加速比率为传统算法的数倍,更加适用于高频金融时间序列中多元随机波动模型的参数估计。
汤家奇[2](2020)在《多尺度MSV模型族的应用及比较研究》文中研究说明金融市场瞬息万变,随机影响因素众多,当前对其复杂波动性的研究大多从单一时间尺度出发建立各种金融市场波动溢出模型并估计金融市场的波动溢出效应,但是单一时间尺度的波动相关关系并不代表所有时间尺度上都存在这种关系。因此,现有的绝大部分波动溢出模型难以全面准确把握金融市场间的波动溢出效应,形成有效的决策尺度。本文则引入小波分析与多尺度理论与方法,选择极大重叠离散小波变换,与MSV模型相结合,将单一尺度MSV模型族拓展到多尺度MSV模型族,测定中国股市和美国股市各尺度之间的波动溢出效应,并根据DIC法则,对多尺度MSV模型族进行了比较研究,得出结论如下。首先,本文选取上证综指和标普指数的周收盘价格数据,选择最优小波基,使用极大重叠离散小波对各指数的收益率时间数列进行变换分解,并对小波方差及小波相关系数进行了分析,结论如下:(1)上证综指和标普指数最优小波基的选择分别为db2和db4;(2)中国股市和美国股市收益率在尺度1下的方差最大,在尺度5下的方差最小,随着尺度的增大,方差逐渐减小。说明对于投资者来说,持有期越长,股价的波动性越小,短期投资比长期投资面临的风险更大;中国股市和美国股市各尺度波动程度排序由大到小为:中国股市短期、中国股市中短期、美国股市短期、中国股市中期、美国股市中短期、中国股市中长期、美国股市中期、中国股市长期、美国股市中长期、美国股市长期;(3)在同一尺度上,中国股市与美国股市收益率存在一定的相关性;上证指数在尺度2,3,4上的相关系数高于尺度1和5,说明对于中国股市和美国股市,中期投资的联动性高于短期和长期投资。其次,本文运用多尺度MSV模型族对中国股市和美国股市的各尺度之间的波动溢出效应进行了实证研究。结果显示,本文构建的大部分多尺度MSV模型收敛,但随尺度的增加,模型的收敛性越来越差;从多尺度MSV模型族的模型比较结果来看,各尺度DGC-t-MSV模型拟合效果最好,但复杂程度最高。最后,对中国股市和美国股市各尺度之间的波动溢出效应的研究结论如下:(1)中国股市与美国股市之间的波动呈现较强的动态相关性,且不同尺度之间波动的动态相关性均呈现出一定的长期记忆特性;(2)中国股市与美国股市自身波动持续性较强,均存在波动聚集特征;(3)中国股市与美国股市各尺度之间部分存在波动传递的格兰杰因果关系,中国股市更多地作为波动溢出的源头。
冷娜[3](2020)在《基于贝叶斯和极大似然法的原油价格动态预测研究》文中指出原油是保证一个国家国民经济各部门维持正常生产生活的重要战略资源。近年来,国际原油市场的大幅度波动越来越频繁近,其背后的原因不仅仅包括资产本身的供求关系相关,还与地缘政治因素、政府的政策走向、金融市场稳定性相关联。作为世界的经济大体,中国可以说是世界上原油需求量最大的国家之一,中国每年的原油进口量十分巨大,而随着中国经济开放程度的不断提高,原油价格的波动对中国经济的稳定运行必定会造成各种各样的影响,这种影响也会越来越直接。原油价格的变化莫测扰了企业做出正确的决策,同时也对政府政策制定、投资者的投资组合产生至关重要的影响,若能找到正确的方法对油价的走向作出合理的预测,就可以在面对油价的大幅波动时,做出符合预期的决策,从而最大限度的将损失降到最低,让企业、市场、政府、个人的利益得到在预期范围的保护。由此可见,原油价格预测就对各方变得至关重要。鉴于原油具有商品、金融及政治等多种属性,本文总结了前人在原油价格预测方面的丰富研究成果,试图能够实现更加精确的原油价格的预测,因此本文将WTI原油价格的五分钟高频数据作为研究对象,提出了利用基于贝叶斯方法和极大似然估计方法的Heston原油价格预测模型,并将贝叶斯方法和古典估计方法作为两种对比估计方法应用到模型参数的估计当中。本文通过基于贝叶斯方法极大似然估计方法下的Heston模型对原油价格进行了动态预测。在实证部分,本文先是基于前人的研究,对模型参数进行了估计,在贝叶斯方法和极大似然方法两种估计方法下分别得到Heston模型的五个参数的估计解析表达式。在执行的预测过程中我们利用滚动周期的样本外预测方法,试图预测原油价格在未来100天的价格,因此我们将预测区间固定为100天,并设置了六种数据长度的估计区间来检验估计区间的数据长度对原油预测效果的影响。并将MSE、MAE、RMSPE、RMSE,MAPE五种损失函数引入到原油预测效果的评价体系当中。在比较了两种方法的预测结果之后,我们发现:两种估计方法都可以有效地估计Heston模型的参数;在特定损失函数下,当估计样本量较小时,贝叶斯方法比经典估计法更具有优势,而估计样本量增加时,经典方法略优于贝叶斯方法,同时我们还用熵方法衡量了原油价的可预测性,结果显示,极大似然估计法下预测的熵值更能代表未来一段时间价格的可预测性。
徐婷婷[4](2019)在《政策性农业保险缓解贫困脆弱性的机理及功效研究》文中研究指明贫困问题古而有之,它是复杂的社会建构,发仓廪以救贫穷,使黎民不饥不寒,是历朝历代统治者的目标;摆脱贫困,实现伟大中国梦,是中国人民、中国共产党和中国政府共同的奋斗目标。新中国的大规模减贫工作始于1978年,四十年来成效显着,尽管如此,“十三五”期间中国的扶贫形势依然严峻,在减少贫困人口总量、降低贫困程度和缓解贫困集中度等方面仍然任重道远,考验着中国政府的智慧与决心。随着对贫困问题的深入研究和贫困度量标准的不断更新,贫困脆弱性(简称“脆弱性”)逐渐走入研究视野:贫困不再是传统意义上的物质贫困,还包括风险和面临风险时的贫困脆弱性。无论什么时候只要减少、缓解和应付风险的机制能为穷人所用,他们的贫困脆弱性就会降低。据统计,我国农村居民人均可支配收入中有25.2%来源于第一产业净收入,而贫困地区农村这一数字更是达到30.1%1。因此,减少、缓解和应对农业风险,稳定农村居民第一产业收入,是缓解贫困脆弱性的重要途径之一。目前中国的扶贫开发步入攻坚克难和巩固成果的阶段,面临新背景、新挑战,有限的支付能力与较高的风险保障需求之间的矛盾、针对弱势群体的普惠性实践与精准对接脆弱性人群的特惠性需求之间的矛盾凸显,在一定程度上反映了新时代中国社会的主要矛盾。因而,满足贫困脆弱性农户的风险保障需要将成为新时代实施精准扶贫精准脱贫战略、建立反贫困长效机制的现实要求。在这一系列背景下,具备政策性、保障性和公平性的政策性农业保险,作为保险领域缓解贫困脆弱性最行之有效的工具之一,其研究就具有重要意义:既有利于学术界对政策性农业保险缓解贫困脆弱性的功效进行系统和深入的研究;又有助于明确政策性农业保险在脱贫攻坚中的定位,使其更好地参与脱贫攻坚。立足于贫困脆弱性,不仅应关注当前的贫困,更应关注未来可能发生的贫困。本文正是从农业风险冲击下的贫困脆弱性出发,对政策性农业保险缓解贫困脆弱性的机理和功效进行研究的。具体而言,本文由9个章节构成。第1章,导论。以问题为导向,分析其产生的政策背景、现实背景和理论背景,阐述对其研究的目的和意义;梳理和评述国内外相关问题的研究现状;对研究的核心概念进行界定;根据研究问题的特性,阐述本文研究的边界,设计研究思路和框架内容,并对研究中使用的方法进行说明;最后提出研究的创新点和不足。第2章,相关理论及政策性农业保险缓解贫困脆弱性的机理。政策性农业保险是本文研究的主题之一,普遍存在的农业风险及其导致的贫困脆弱性是可持续脱贫的制约因素之一,需要有效的农业风险管理。由此,农业风险与农业风险管理理论是本文研究的基础之一。政策性农业保险的外部效应和准公共物品属性使其成为参与脱贫攻坚的重要环节,需要对外部效应与准公共物品理论进行了梳理阐述。贫困脆弱性是研究的另一个主题,因而本章从概念演进、与贫困的关系、生成机制、识别框架以及测度方法等方面阐述贫困脆弱性理论;并对效用理论与预期效用理论进行了阐述。本文实证研究采用了马尔可夫过程的思路进行模型求解,因此本章也对马尔可夫过程进行了阐述。最后,在理论阐述的基础之上论述了政策性农业保险缓解贫困脆弱性的机理。研究表明:基于“风险-脆弱性”分析框架,在农业风险冲击下,脆弱性农户的内部和外部风险共同作用,生成了贫困脆弱性;随后,脆弱性农户的风险暴露性、敏感性和适应性递次演化,使贫困脆弱性不断加剧,并恶性循环;最后,若要预防和应对脆弱性,需要有效的风险管理,然而不充分的风险管理措施可能使脆弱性加剧,因而相较于商业性农业保险,政策性农业保险是更为有效的风险管理工具之一。第3章,政策性农业保险的制度演进及缓解贫困脆弱性的实践启示。本章梳理和总结了我国政策性农业保险制度的演进历程及制度演进中的经验。随着政策性农业保险制度的演进,其职能从风险保障拓展至防灾防损和资金融通,作用领域也逐步扩大至服务“三农”。进一步地,从多层面分析政策性农业保险缓解贫困脆弱性的现状:(1)在农业风险冲击下,我国的贫困脆弱性呈现出规模大、区域集中和收入来源单一的特征。(2)生态系统层面、经济层面和人文层面的原因交织,是导致贫困脆弱性的主要原因。(3)梳理我国政策性农业保险在供给与需求、农村居民收入与消费、风险管理等三个层面缓解贫困脆弱性的现状,可为后文分析提供数据支撑。以印度、巴西等国以及我国河北省阜平县、甘肃省农业保险扶贫为典型案例,对比分析得出启示借鉴,有助于政策性农业保险缓解贫困脆弱性效应的发挥。第4章,政策性农业保险缓解贫困脆弱性的功效及因素。本章主要探讨政策性农业保险缓解贫困脆弱性的功效、影响因素和制约因素。政策性农业保险在缓解贫困脆弱性中具有风险保障、提供增信担保、改善农业基础设施和促进农业技术发展等功效,这些功效的发挥有助于贫困的缓解。供给端:宏观层面——实施精准扶贫精准脱贫战略、农业保险相关立法和条例、农业保险保费补贴等,为政策性农业保险缓解贫困脆弱性提供了政策环境、机制体制的必要配套;微观层面——政策性农业保险的保障水平、保障范围、保险险种和技术创新等,为政策性农业保险缓解贫困脆弱性提供了操作方式。需求端:普遍存在的农业灾害性风险和农业灾害损失导致农户产生了农业保险需求意愿;农业收入的不断增加,使得农户基本具有购买农业保险的能力,进而对政策性农业保险产生有效需求,以达到缓解贫困脆弱性的目的。然而,政策性农业保险在缓解贫困脆弱性中仍存在制约因素:政府层面,配套措施不明确、保障水平低且补贴项目单一、大灾补偿和再保险机制缺乏等;保险机构层面,基层服务水平不足、区域风险与费率不匹配、特色保险产品供给不足、保险教育宣讲力度不足等;贫困农户层面,风险感知能力和保险意识薄弱、有效需求不足等,制约因素的存在使政策性农业保险缓解贫困脆弱性的效应无法充分发挥。第5章,政策性农业保险缓解贫困脆弱性的效用、临界点及传导机制。本章从农户行为出发,探讨政策性农业保险缓解贫困脆弱性的边际效用、收入弹性、收入效应和替代效应以及不确定条件下的期望效用。研究表明:当收入弹性为负时,政策性农业保险的商品属性发生变化,即对收入水平较低的农户,政策性农业保险缓解贫困脆弱性的总效应为负,这也是政策性农业保险缓解贫困脆弱性存在障碍的原因之一。在期望效用中,公平保费条件下投保与否对农户收入没有影响,但实际上,不确定条件下的效用低于确定条件下的效用,即政策性农业保险所带来的净福利将更大,缓解贫困脆弱性效果将更好。基于效用分析,本文认为政策性农业保险在缓解贫困脆弱性中存在着临界点,即门槛效应。在临界点之上,政策性农业保险对贫困脆弱性的缓解产生了直接和间接传导。其直接传导机制是:(1)农户参与农业保险后,若发生风险损失,保险公司给予经济赔偿,能够减少收入波动,缓解脆弱性;(2)政策性农业保险能够平滑消费并减少农户的不确定性预期,增强农户的消费信心,实现消费者剩余最大化,进而实现脆弱性的缓解。其间接传导机制是:(1)通过“降低农业投资者风险预期→农业投资增加→农业产业化程度提高→农业产出率提高→农业收入增加→农业经济增长”这一路径推动经济增长,伴随着农业经济增长,涓滴效应带来了农户收入的增加和其它福利状况的改善,进而缓解贫困脆弱性;(2)通过保费收入可以实现财富的再分配,与此同时,保费补贴的实质是政府转移支付,能够促进收入分配公平化。进一步地,缩小收入分配差距有利于缓解贫困脆弱性。但是需要引起重视的是:从农村缓解贫困的政策角度来看,初始收入分配差距越大的国家,采取收入再分配政策以推动贫困减缓几乎是不可能实现的。第6章,政策性农业保险缓解贫困脆弱性效应的实证分析:理论模型及数值模拟。本章从实证的角度探讨政策性农业保险缓解脆弱性的效用。在对比相关模型的基础上,将MIU效用函数、贝尔曼方程和马尔可夫过程相结合,构架理论模型;以农户在未来陷入贫困的概率度量贫困脆弱性。参考前人研究,对相关参数进行校准,模拟不同情况下农户陷入贫困的概率,采用图形的方法直观显示政策性农业保险缓解脆弱性的效用。研究表明:(1)当农户初始资产高于临界值时,投保农业保险后陷入贫困的概率低于未投保的概率;(2)当农户初始资产高于临界值时,赔偿比例越大,陷入贫困的概率越低,反之亦然;(3)相较于足额保险,投保不足额保险时,贫困概率下降的速度较慢(斜率较小);(4)农业保险财政保费补贴的增加,有助于降低贫困家庭陷入贫困的概率。本章从实证的角度初步证明了政策性农业保险缓解贫困脆弱性存在着临界点。第7章,政策性农业保险缓解贫困脆弱性效应的实证分析:基于典型村庄的调研数据。本章基于典型村庄的微观调研数据,采用FGLS法、Probit模型进行实证分析。数据来源于笔者亲身参与的国家社科基金项目“中国农村普惠保险缓解贫困脆弱性的机制、效应及政策研究”课题组在四川、甘肃、青海和河南等四省典型村庄的调研数据。在对样本贫困脆弱性进行测度及Probit回归后,结果显示:(1)在1天1美元标准下(即年收入2600元),被调查的622户农户中,有65.59%的农户为贫困脆弱性家庭,其中建档立卡农户占比25.24%,非建档立卡农户占比40.35%。(2)整体样本中,参与农业保险、获得保费补贴和保险赔偿能够降低贫困脆弱性,但是保费支出不利于贫困脆弱性的缓解。对比建档立卡农户和整体样本农户发现:对于建档立卡农户而言,若要发挥政策性农业保险缓解贫困脆弱性的效应,减轻保费负担是十分重要的,同时,适当提高对建档立卡农户的保费补贴,能够有效降低其贫困脆弱性。非建档立卡农户中,农业保险参与对贫困脆弱性的影响系数低于建档立卡农户,表明对建档立卡农户而言,参与政策性农业保险具有更大的边际效用。保费支出变量的系数低于整体样本和建档立卡农户样本,表明当农户实现摘帽之后,保费支出的压力在逐步降低,对贫困脆弱性的负向影响在不断减弱。第8章,政策性农业保险缓解贫困脆弱性效应的实证分析:基于省级面板数据。本章基于我国2010年—2017年省级面板数据,采用门槛面板数据回归模型进行实证分析。在对整体样本和分组样本分别进行门槛回归后,结果显示:(1)农村居民人均可支配收入较低时,政策性农业保险保费规模的扩张,给农户带来一定的支付压力,在一定程度上会加重农户负担,并不利于贫困脆弱性的缓解。随着可支配收入的提高,政策性农业保险缓解脆弱性的效果逐步提高。政策性农业保险保费补贴规模的扩大,尽管能够在一定程度上降低农户的保费支付压力,但对可支配收入的影响并不明显,即缓解脆弱性的效果并不明显。政策性农业保险赔偿对农村居民人均可支配收入有正向的促进作用,能够在一定程度上缓解贫困脆弱性。(2)分组后再次进行回归发现,低收入组中政策性农业保险的保费收入对可支配收入的影响存在双门槛效应,呈现出“由负到正”的趋势;保费补贴和保险赔偿不存在门槛效应,能够在一定程度上促进可支配收入的增加,但并不显着。中等收入组中,政策性农业保险的保费收入和保费补贴存在单门槛效应,且影响系数为正;保险赔偿存在单门槛效应,影响系数“先负后正”。高收入组中,政策性农业保险保费收入、保费补贴和保险赔偿均存在单门槛效应,系数均为正,但显着性较低。第9章,研究结论、建议及展望。如何充分发挥政策性农业保险缓解贫困脆弱性的功效,是本文研究的实践意义,也是本章价值所在。研究表明:政策性农业保险的功能是客观存在且不断演化的,其风险保障、提供增信担保、改善农业基础设施和促进农业技术发展等方面功效的发挥,能够打破贫困脆弱性的恶性循环,缓解贫困脆弱性。但是,政策性农业保险缓解贫困脆弱性功效的发挥,仍存在一定的制约因素,也使得其在缓解贫困脆弱性中存在着临界点(门槛效应)。进一步的,本文从理论模型和数值模拟、微观数据分析、宏观数据分析等角度,均证实了政策性农业保险能够降低贫困脆弱性,也证明了政策性农业保险缓解贫困脆弱性存在着临界点。基于对理论研究和实证研究结论的总结,本文建议:应遵循政策性农业保险功能的客观规律,肯定其在缓解贫困脆弱性中的重要作用;认识政策性农业保险的微观效用机制,明确其在缓解贫困脆弱性中的功能定位;构建多层次政策性农业保险产品结构,扩大其在缓解贫困脆弱性中的保障范围;探索差异化政策性农业保险补贴制度,提高其在缓解贫困脆弱性中的保障水平等四个方面提出政策建议。最后,研究认为未来可以从探讨多层次农业保险缓解贫困脆弱性的路径、机制与效应;在行为经济学框架下讨论政策性农业保险缓解贫困脆弱性的效用等两个方面入手,开展进一步的研究。本文对该领域的边际贡献和创新之处主要包括以下几个方面:第一,探索了政策性农业保险在缓解贫困脆弱性中的定位。国内现有针对保险或政策性农业保险缓解贫困的研究主要将其视为一种工具或路径,研究对象主要集中于目前处于贫困线下的扶贫对象,而对处于贫困线之上,但是具有高脆弱性,随时可能因灾致贫、因灾返贫的农户关注甚少。本文从脆弱性的视角出发,不仅仅关注当前的贫困,更关注未来可能发生的贫困和造成贫困的农业风险因素,以前瞻性的视角进行研究,为建立防范返贫和持续脱贫长效机制提供思路。脆弱性视角下的贫困,研究对象范围更大,研究内容包含风险这一因素,在此视角下的研究有助于厘清政策性农业保险缓解贫困脆弱性的深层次原因,也能够明确政策性农业保险缓解贫困脆弱性的定位,即其缓解贫困脆弱性的效应发挥是存在临界点的,只有在临界点之上,才能够达到贫困脆弱性缓解的目的。由此,本文在肯定政策性农业保险缓解贫困脆弱性的重要作用的同时,也提出如果在不恰当的时候、不恰当的对象采用了这一工具,就有可能使贫困加剧。第二,基于“风险-脆弱性”框架探讨了政策性农业保险缓解贫困脆弱性的机理。与以往关于贫困的研究不同,贫困脆弱性具有前瞻性,且将风险融入贫困研究之中,重点关注未来可能发生的风险对农户贫困的影响。本文在“风险-脆弱性”这一分析框架内,探讨了政策性农业保险缓解贫困脆弱性的机理。在外部风险(普遍存在的农业风险)和内部风险(农户自身风险管理能力较弱)的共同作用下,贫困脆弱性逐步生成;暴露性、敏感性和适应性递次演化推动了贫困脆弱性的不断演化;为预防和应对贫困脆弱性,需要有效的风险管理措施,毫无疑问,政策性农业保险是保险领域最有效的手段之一,也是农业风险管理的基本手段。贫困脆弱性的生成、演化与预防机理,环环相扣构成了政策性农业保险缓解贫困脆弱性的机理。第三,从微观和宏观层面尝试分析了政策性农业保险缓解贫困脆弱性的作用机制。尽管在实践中可以观察到政策性农业保险能够在一定程度上缓解贫困脆弱性,在这些现象的背后是影响因素和传导机制。本文从政府、保险机构和农户三个层面分析了政策性农业保险缓解贫困脆弱性的宏观和微观影响因素以及制约因素,并从直接和间接两个方面分析了政策性农业保险缓解贫困脆弱性的传导机制:政策性农业保险通过稳定农户收入和平滑消费的直接传导机制达到缓解脆弱性的目的;通过促进经济增长和收入分配公平的间接传导机制达到缓解贫困脆弱性的目的。第四,尝试用理论模型量化政策性农业保险缓解贫困脆弱性的效用。效用是人的主观感受,但却可以通过总效用、边际效用等数理公式来表达。现有的研究中,理论模型可分为两大类,一是仅研究农业保险的消费效用;二是构建家庭资产增长模型,研究陷入贫困的概率。结合研究的重点和主题,本文将两类模型结合,构建包含农业风险冲击的效用函数,引入农业保险、保险免赔率、保费补贴比例等变量,并根据农业保险的特点,引入不足额保险,在一定程度上实现了模型构建的创新。将效用函数、贝尔曼方程和马尔可夫过程相结合并进行数值模拟,从理论层面论证了政策性农业保险缓解贫困脆弱性的作用。第五,用典型村庄的微观调研数据评估了农户的贫困脆弱性并分析政策性农业保险对其脆弱性的影响。政策性农业保险对贫困脆弱性的影响究竟有多大?能使得农户贫困脆弱性降低多少?是各界关注的重点,也是本文研究的重点内容。然而,已有的数据库无法满足本文实证所需:大多数微观调研数据没有针对农业保险的数据。因此,本文研究中,采用了笔者亲身参与的国家社科基金项目2019年在西部地区典型村庄的微观调研数据,一方面评估了农户的贫困脆弱性,另一方面探究了政策性农业保险对贫困脆弱性的影响以及主要影响因素。尽管样本量有622份,但涵盖了四川、甘肃、青海等贫困大省,因而仍具有说明意义。进一步的,本文还将受访农户区分为建档立卡农户和非建档立卡农户,对比分析政策性农业保险对其贫困脆弱性的影响。
李忆[5](2019)在《SV族模型参数估计的MCMC算法改进及应用》文中认为在波动率模型中,随机波动(Stochastic Volatility,SV)模型有着广泛的应用。SV模型引入随机变量,因而其对波动率预测能力以及实际金融市场的应用都比其他波动率模型更有优势。由于SV模型中包含着潜在变量,似然函数较难得到,因而其估计参数不能使用极大似然法直接求解,于是衍生了多类研究方法。MCMC算法正是其中一种方法。MCMC算法的优点在于其不受维数的影响,而且其估计参数是建立在真实的似然函数从而保证估计结果的精确。由于MCMC算法容易简单实现,这类方法也应用到了SV模型的参数估计中去。以小时、分钟甚至秒为单位的高频金融数据的建模应用越来越广泛,在估计问题上,如何兼顾精确性与收敛速度是一个需要解决的问题,从而需要对传统的MCMC算法进行改进势在必行。对于改进MCMC算法,通常采用两种方式进行。一种是通过滤波的方法对模型的状态空间进行变换,通过空间变换能够减小模型的自相关性,从而提高MCMC方法的计算效率。另一种则通过对MCMC算法抽样本身进行改进,如加快采样速度,改进采样方式等。本文重点对MCMC算法进行介绍,并介绍一种易于实现的改进MCMC算法--并行化MCMC(parallelising Markov chain Monte Carlo)算法。本文结合小波滤波器与并行MCMC算法共同对SV模型进行参数估计。并行MCMC算法优点在于其对于不同性质参数,采取了不同的并行化机制,直接优化了抽样过程,而且能够简单的编程实现。本文采用小波滤波器与并行MCMC算法估计SV模型参数,采用db小波滤波器能够将金融数据中高频的噪声进行过滤,保留蕴含真实信息的部分,滤波后的信号降低了自相关性,一定程度上可以减少MCMC算法抽样的时间。本文选取上证指数2010年1月4日至2018年12月28日之间的数据,分别采用传统MCMC算法以及并行化MCMC算法估计SV模型参数。通过对比估计后参数的敛散性、参数估计结果和估计精度、模拟迭代速度,对两类方法进行比较。通过实证结果发现,通过小波滤波器的处理之后,股票收益率序列相比去噪前波动规律更明显,利用并行化MCMC算法估计模型参数发现,并行MCMC算法估计结果与传统MCMC算法的估计结果一致,且均具有很高的精确度。而在运算速度上,并行MCMC算法的运算速度是传统MCMC算法的数倍,其加速效率与模型的结构、数据量的大小以及Markov链的数目有关。
崔嘉轩[6](2019)在《人民币汇率与A股市场波动溢出效应研究》文中研究表明近年来,随着各国资本金融市场逐步的开放,使得国际间的资本流通更为顺畅,汇率和股价的相互关系日益显着。我国作为当今国际舞台上颇有潜质的发展中国家,也逐步放开金融管制,并与国际市场联系更加紧密,而且,国际资本市场上的信息流通使得外汇市场和股票市场变得更加敏锐,由此引发的价格波动风险一定会对我国市场经济产生负面影响,而两市风险的传递产生的波动溢出效应也使得实体经济受到显着的影响。基于此,构建一个计量经济模型对人民币汇率市场与A股市场的波动溢出效应展开研究十分紧迫与必要。首先,在汇率市场与股票市场波动溢出效应理论机制的研究上,研究汇市和股市是具有单向波动溢出效应还是具有双向波动溢出效应,并给出定性结论。然后,为了给汇市与股市波动溢出效应的实证研究奠定理论基础,在理论基础的分析中,会研究随机波动(SV)模型和马尔可夫链蒙特卡洛(MCMC)法对于波动性实测的适用性,并分析马尔科夫区制转换向量自回归(MS-VAR)模型在研究波动溢出效应上的优越性。其次,在实证研究中,首先进行了数据的统计特征分析,即证明选取的数据和变量是可以构建SV模型的,其次,运用SV族(SV-N、SV-T、SV-MN、SV-MT)模型刻画人民币汇率、上证综合指数和深圳成指收益率的波动性,并根据DIC准则筛选出拟合效果最优的模型,根据筛选出模型的叶贝斯估计结果分析汇市与股市的波动特征和波动溢出效应。最后,运用MS-VAR模型研究两个不同区制下汇市与股市的波动溢出效应,第一,选取了合适的解释变量与被解释变量,并对选取的变量作了定义;第二,对数据采取了ADF单位根检验、Johansen协整检验和Granger因果检验,这些是对数据进行的预处理,为了实证检验MS-VAR模型是可以被构建的;第三,进行MS-VAR模型分析,构建两区制的MS-VAR模型,得到模型的估计结果、MSIH(2)-VAR(1)模型区制划分与转移概率估计结果和区制概率图,研究两个不同区制下所对应的经济时期,以及在不同区制下股市与汇市的波动转换情况和波动溢出效应,在此基础上,进行脉冲响应分析研究整个样本区间内,人民币汇率、上证综指、深圳成指和上海银行间同业隔夜拆借利率相互之间的冲击作用。最后,根据实证研究得到的不同结论提出具有针对性的对策建议。其一进一步改善汇率形成与管理机制的改革,并在汇率机制改革过程中小心防范汇率波动对金融市场波动产生的影响;其二完善股票市场价格形成和管理机制,做好对上市公司的监管,并改变调控股市的方式;其三发挥利率的中介和桥梁作用、实现利率真正市场化;其四增强A股市场的抗风险能力,降低汇率失调程度。
王绍泽[7](2019)在《隐马尔可夫模型在股市中的应用》文中研究表明隐马尔可夫模型(Hidden Markov Model,HMM)是统计模型,它用来模拟一个含有不可见状态序列的Markov过程。隐马尔可夫模型已经被越来越多的领域所运用,尤其是在NPL、故障诊断以及生物信息等领域体现了很大的价值、而在人工智能等新兴领域,隐马尔可夫模型也发挥着重要的作用。隐马尔可夫模型需要解决识别、学习和解码三个相关的问题。本文将会介绍关于隐马尔可夫链的原理以及一般算法。隐马尔可夫模型适用于一个会随时间改变内在的状态并且会影响外在表现的系统。所以隐马尔可夫链在金融市场的运用也十分具有价值。本课题基于隐马尔可夫理论,结合EM算法、Wirtbit算法等算法来构建隐马尔可夫模型,来为隐马尔可夫模型对隐含状态的辨别提高准确率,进行股票市场走势预测方面的研究。本文将从股市预测中下手,运用隐马尔可夫模型,选取不同的数据特征和纬度,采取不同的分类方式,将股票根据实际数据进行分类并进行分类识别。并基于建立的模型,采用简单的交易策略,利用股票市场历史数据对于模型进评估。
涂雄苓[8](2017)在《时间序列经济计量分析中的小波技术及其应用》文中研究说明时间序列计量分析源于人们认识到人类的经济活动均是在一定的时空条件下进行的,并受社会、经济、文化等因素的共同影响,从而使外在的经济现象在时间维度上通常会呈现出前后相关的特征。如何科学地刻画或逼近经济现象在时间维度上的这类动态关系或规律,并建立模型以满足经济预测与决策等其他管理实践的需要,构成时间序列经济计量的核心目标。自1970年《Time series analysis: Forecasting and control》出版以来,时间序列经济计量分析的理论与应用研究都有长足的发展。特别值得关注的是,诸如非平稳的单位根过程、协整过程、异质性及随机异方差模型等的一些理论自20世纪80年代初不断兴起,在很大程度上改变了传统时间序列经济计量学的理论与方法。平稳时间序列不再是经济计量学研究的唯一对象,非平稳时间序列也不再是不可涉足的领域,特别是其中的I(1)和I(2)过程与协整过程已成为研究的主要对象,它们已经在经济和金融领域得到广泛的应用。然而,目前绝大多数时间序列经济计量分析都是在时域内展开的,其中包括计量模型的构建、估计、检验。此外,时域分析与频域分析似乎被割离开来,分别在两条轨道上独立发展,通常两域内分析所获得的阶段性结果并未有机结合起来,从而大大削减了结果的完整性。实际上现已证明,在频域内也能构造出许多有价值的统计量,用于经济计量模型的估计或检验,并且有时具备较时域分析更好的统计性质。小波分析作为一门新兴的数学理论和方法,它在时域和频域上均具有良好的分辨。它的应用能使时间序列分析在时域和频域都达到了良好的局部化效果,为洞察时间序列的动态提供了一个全新的视角与工具。本论文在深度把握小波分析、时间序列分析理论和总结前人研究经验的基础上,综合运用统计学、概率论与数理统计、和金融计量学等学科的相关知识,将小波分析在时域两域的分析优势嵌入现有的时间序列分析理论中,拓展和丰富非平稳时间序列分析方法的理论研究和应用研究。具体来说,本文的贡献主要包括以下三个大的方面:(1)单位根检验的方法论方面。首先,在敏锐察觉原序列的样本方差与其小波系数系列、尺度系数系列的样本方差之间耦合机制在原假设(存在单位根)与备择假设(不存在单位根)下存在差异的基础上,在小波域内构造了一个新的检验统计量TXL1,用于检验带漂移项的单位根过程,在检验统计量的构造策略与检验对象范围拓展了 Fan和Gencay(2010)的检验方法。其次,对检验统计量TXL1在原假设和备择假设下的大样本性质进行了完全的证明,结果表明检验统计量TXL1在原假设下,其极限分布收敛到两个独立标准维纳过程的随机泛函,而在在备择假设下检验统计量TXL1依概率收敛到质点O,这一优良的性质对保障检验统计量TXL1具有高检验势非常有益。另外,考虑到应用实践中仅能掌握有限样本的数据资料的现实情况,通过Monte Carlo实验研究了检验统计量TXL1在有限样本条件下的检验势与检验水平。Monte Carlo实验结果显示检验统计量TXL1在有限样本条件下虽出现一定的检验水平扭曲,但具有极高的检验势。最后,在构造检验统计量和证明其大样本性质的过程中,以2个新的引理的形式拓展了随机游走的其它收敛性质,并给予详细的证明,这些性质对非平稳时间序列的其它研究具有潜在的价值。(2)协整检验的方法论方面。首先,充分论证了若要在EG两步法的框架下进行小波域协整检验,那么潜在协整模型的初始估计时应考虑含截距项的回归模型,而对残差平稳性检验时应考虑不带漂移项的随机游走的自回归模型。然后,为了实现小波域协整检验,开发了一个用于检验不带漂移项的单位根检验的统计量TXL1;,同时推导了其大样本性质。其次,借鉴Dickey and Fuller (1979)和Phillips和Perron (1988)的直接模拟法策略,通过大量的随机模拟给出了检验统计量TXL1应用于伪协整回归时检验时的临界值。另外,设计了 6个随机试验,研究检验统计量TXL1在协整检验时的具体表现,结果显示检验统计量TXL1的检验水平扭曲度低,以及样本容量超过500时其检验势较高的特点。最后,通过实际案例的研究,验证了检验统计量TXL1在协整检验的有效性,并为我国黄金市场与国际黄金市场存在长期均衡关系提供经验证据。(3)小波域隐马可夫模型及其应用方面。出于对以下事实的认识:股票市场中广泛具有短线投资者根据长线投资者的交易行为而执行相应交易的跟庄现象,长线和短线交易分别与不同的时间尺度相关联;经典的时间序列分析方法往往在单一时间尺度条件下展开,无法有效地探索不同时间尺度的股票交易行为间的内存关联。由此,本论文引入小波域隐马尔可夫树模型,以我国股市5分钟的高频交易数据为素材,研究了股市波动信息沿时间尺度流动的统计性质。结果表明波动信息在传导过程中表现出如下显着的非对称性:大尺度的低波动状态以大概率引发小尺度上的低波动状态,但大尺度的高波动状态只以相对小的概率诱发小尺度的高波动状态,并对这一结果的政策意义进行了的解释。
费时龙,任洪光[9](2016)在《多重马氏链模型在股市预测中的应用》文中认为引入了多重马尔可夫链模型,该模型是马尔可夫链模型的推广,研究了多重马尔可夫链的若干性质,并利用这些性质将多重马尔可夫链模型应用到股市预测中去,与马尔可夫链模型相比,提高了股价预测的精度.
崔莉培[10](2016)在《马尔可夫链理论及其在经济管理领域的应用研究》文中研究说明马尔可夫链理论作为一种随机过程模型,其表示了从一个系统状态转变为另外一个系统状态,并根据系统实际情况做出定量分析。很多经济和社会现象中出现的系统性问题,可以采用马尔可夫链理论进行描述,并实现对企业经济现象的解释。文章针对马尔可夫链理论在经济管理领域中的应用情况进行深入研究,为企业开展经济管理提供参考。
二、马尔可夫链及其在股市分析中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、马尔可夫链及其在股市分析中的应用(论文提纲范文)
(1)基于小波变换的并行化MCMC算法改进及其应用研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究目的 |
1.1.3 研究意义 |
1.2 文献综述 |
1.3 整体结构与思维框架 |
1.3.1 整体结构 |
1.3.2 研究框架 |
1.4 创新点 |
第二章 多元随机波动模型的主要结构 |
2.1 多元随机波动模型的理论基础 |
2.2 多元随机波动模型的扩展形式 |
2.2.1 GC-MSV模型 |
2.2.2 DC-MSV模型 |
2.2.3 DGC-t-MSV模型 |
2.3 多元随机波动模型的贝叶斯推断 |
2.3.1 GC-MSV模型的贝叶斯推断 |
2.3.2 DC-MSV模型的贝叶斯推断 |
2.3.3 DGC-t-MSV模型的贝叶斯推断 |
2.4 本章小结 |
第三章 多元随机波动模型的参数估计方法 |
3.1 传统参数估计方法及其局限性 |
3.1.1 伪似然估计法(PML) |
3.1.2 广义矩估计法(GMM) |
3.1.3 传统方法的局限性 |
3.2 MCMC算法及其优势 |
3.2.1 MCMC相关理论 |
3.2.2 MCMC方法原理 |
3.2.3 MCMC抽样方法 |
3.2.4 MCMC使用优势 |
3.3 本章小结 |
第四章 基于小波变换的并行化MCMC算法的改进策略 |
4.1 小波变换理论 |
4.1.1 连续小波变换 |
4.1.2 离散小波变换 |
4.2 多分辨率分析理论 |
4.2.1 多分辨率分析概述 |
4.2.2 Mallat分解重构 |
4.2.3 极大重叠离散小波变换 |
4.2.4 多分辨率统计量 |
4.3 基于小波变换的并行化MCMC算法的改进理论 |
4.3.1 分层贝叶斯推断 |
4.3.2 并行化策略 |
4.3.3 启发式算法 |
4.3.4 区块采样器 |
4.4 基于小波变换的并行化MCMC算法的统计检验 |
4.4.1 收敛性判别方法 |
4.4.2 波动溢出效应显着性检验方法 |
4.4.3 DIC准则 |
4.5 本章小结 |
第五章 实证研究 |
5.1 数据选择与预处理 |
5.2 并行化MCMC算法的小波变换 |
5.2.1 小波降噪与小波重构 |
5.2.2 多分辨率分解与模型构建 |
5.3 传统MCMC 算法与改进MCMC 算法的实证研究 |
5.3.1 GC-MSV的实证对比 |
5.3.2 DC-MSV的实证对比 |
5.3.3 DGC-t-MSV的实证对比 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
(2)多尺度MSV模型族的应用及比较研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 基于SV模型族的金融市场波动溢出效应研究 |
1.2.2 SV模型参数估计研究 |
1.2.3 小波理论 |
1.2.4 基于小波理论的金融市场波动溢出效应研究 |
1.2.5 文献述评 |
1.3 本文整体结构及研究思路 |
1.3.1 本文结构 |
1.3.2 本文研究思路框架图 |
1.4 本文创新点 |
第二章 小波与多尺度理论 |
2.1 小波理论概述 |
2.1.1 连续小波变换 |
2.1.2 离散小波变换 |
2.2 多尺度理论 |
2.2.1 多尺度分析概述 |
2.2.2 Mallat分解重构算法 |
2.2.3 极大重叠离散小波变换(MODWT) |
2.2.4 小波方差与相关系数 |
2.3 小波基函数及其特性 |
2.3.1 小波基函数 |
2.3.2 小波基函数特性 |
2.4 阈值理论 |
2.5 小结 |
第三章 多尺度MSV模型族的构建、参数估计与比较 |
3.1 小波多尺度分解 |
3.2 多尺度模型MSV模型族的构建 |
3.2.1 多尺度GC-MSV模型 |
3.2.2 多尺度DCC-MSV模型 |
3.2.3 多尺度DGC-t-MSV模型 |
3.3 多尺度模型MSV模型族估计方法MCMC算法 |
3.3.1 MCMC方法原理 |
3.3.2 Metropolis-Hastings(M-H)抽样方法 |
3.3.3 吉布斯(Gibbs )抽样 |
3.3.4 多尺度DGC-t-MSV模型的参数估计 |
3.4 多尺度模型MSV模型族收敛性判断方法与比较 |
3.4.1 收敛性判断方法 |
3.4.2 波动溢出效应显着性检验方法 |
3.4.3 多尺度MSV模型族的比较——DIC准则 |
3.5 小结 |
第四章 基于多尺度MSV模型族的波动溢出效应实证分析——以中美股市为例 |
4.1 变量的选择与处理 |
4.2 小波基函数的选择、分解、小波方差及相关关系 |
4.2.1 小波基函数的选择 |
4.2.2 小波分解 |
4.2.3 小波方差 |
4.2.4 小波相关系数 |
4.3 模型收敛性分析 |
4.4 模型估计结果分析 |
4.4.1 均值溢出效应分析 |
4.4.2 波动溢出效应分析 |
4.5 多尺度MSV模型族的比较 |
4.6 小结 |
第五章 总结与展望 |
5.1 总结 |
5.1.1 理论研究总结 |
5.1.2 实证研究总结 |
5.2 展望 |
参考文献 |
致谢 |
(3)基于贝叶斯和极大似然法的原油价格动态预测研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
第一节 研究背景 |
第二节 研究意义 |
一、理论意义 |
二、实际意义 |
第三节 研究内容 |
第四节 研究方法和技术路线 |
一、研究方法 |
二、技术路线 |
第二章 原油价格预测相关理论研究现状 |
第一节 原油价格预测理论 |
一、时间序列模型 |
二、支持向量机(SVM) |
三、小波分析 |
四、系统动力学模型 |
五、神经网络模型 |
第二节 估计方法的国内外研究现状 |
一、贝叶斯方法 |
二、极大似然法 |
三、经典估计方法和贝叶斯方法的对比研究 |
四、随机波动模型的参数估计研究 |
第三节 信息熵的国内外研究现状 |
第四节 不同估计方法下模型预测效果的检验 |
第五节 文献评述 |
第三章 模型与估计方法 |
第一节 Heston模型 |
第二节 贝叶斯方法 |
一、先验分布 |
二、后验分布 |
第三节 贝叶斯计算 |
一、MCMC方法 |
二、Gibbs抽样 |
三、Metropolis-Hastings算法 |
第四节 极大似然估计法 |
第四章 基于贝叶斯和极大似然估计的油价预测实证分析 |
第一节 实证数据的选取说明 |
第二节 模型处理 |
第三节 后验密度的计算 |
第四节 极大似然方法的参数估计 |
第五节 样本外预测及预测结果分析 |
一、样本外预测 |
二、预测结果分析 |
第六节 原油价格的可预测性分析 |
第五章 结论与展望 |
第一节 结论 |
第二节 展望 |
参考文献 |
致谢 |
在读期间完成的科研成果目录 |
(4)政策性农业保险缓解贫困脆弱性的机理及功效研究(论文提纲范文)
摘要 |
Abstract |
1.导论 |
1.1 研究背景 |
1.1.1 政策背景 |
1.1.2 现实背景 |
1.1.3 理论背景 |
1.2 研究意义与目的 |
1.2.1 研究意义 |
1.2.2 研究目的 |
1.3 文献综述 |
1.3.1 贫困脆弱性的相关文献 |
1.3.2 农业风险与贫困脆弱性的相关文献 |
1.3.3 政策性农业保险与贫困脆弱性的相关文献 |
1.3.4 文献评述 |
1.4 核心概念界定 |
1.4.1 贫困及贫困脆弱性 |
1.4.2 缓解贫困脆弱性:与脱贫、扶贫的比较 |
1.4.3 政策性农业保险 |
1.4.4 机理 |
1.4.5 功效:功能+效应 |
1.5 研究问题、思路及内容 |
1.5.1 研究问题及研究边界限定 |
1.5.2 研究思路 |
1.5.3 研究框架及内容 |
1.6 研究方法 |
1.7 创新与不足 |
1.7.1 创新之处 |
1.7.2 不足之处 |
2.相关理论及政策性农业保险缓解贫困脆弱性的机理 |
2.1 政策性农业保险及贫困脆弱性的相关理论 |
2.1.1 政策性农业保险的相关理论 |
2.1.2 贫困脆弱性的相关理论 |
2.2 政策性农业保险缓解贫困脆弱性功效的相关理论 |
2.2.1 效用理论与预期效用理论 |
2.2.2 模型的求解工具:马尔可夫过程 |
2.3 政策性农业保险缓解贫困脆弱性的机理 |
2.3.1 农业风险冲击下贫困脆弱性的生成机理 |
2.3.2 农业风险冲击下贫困脆弱性的演化机理 |
2.3.3 农业风险冲击下贫困脆弱性的缓解机理 |
2.4 本章小结 |
3.政策性农业保险的制度演进及缓解贫困脆弱性的实践启示 |
3.1 政策性农业保险的制度演进 |
3.1.1 计划经济向市场经济过渡时期农业保险的制度变迁:1982-1992年 |
3.1.2 市场经济体制确立初期农业保险的制度变迁:1992-2003年 |
3.1.3 政策性农业保险制度的确立与变迁:2004年至今 |
3.1.4 政策性农业保险制度演进中的主要成就和基本经验 |
3.2 政策性农业保险缓解贫困脆弱性的现状:多层面分析 |
3.2.1 农业风险冲击下的贫困脆弱性及其成因 |
3.2.2 政策性农业保险及其缓解贫困脆弱性的现状:供给和需求层面 |
3.2.3 政策性农业保险及其缓解贫困脆弱性的现状:收入和消费层面 |
3.2.4 政策性农业保险及其缓解贫困脆弱性的现状:风险保障层面 |
3.3 政策性农业保险缓解贫困的典型案例:中国实践 |
3.3.1 “金融扶贫,保险先行”的河北省“阜平模式” |
3.3.2 “精准滴灌”的甘肃省农业保险扶贫模式 |
3.4 政策性农业保险缓解贫困的典型案例:国际实践 |
3.4.1 基于减贫目标的印度农业保险政策 |
3.4.2 巴西农业保险制度及其经验 |
3.5 政策性农业保险缓解贫困中外实践的启示借鉴 |
3.5.1 制度体系和政策支持较为健全 |
3.5.2 各级政府及相关部门通力协作 |
3.5.3 保险产品供给和配套措施完备 |
3.6 本章小结 |
4.政策性农业保险缓解贫困脆弱性的功效及因素 |
4.1 政策性农业保险的职能及其缓解贫困脆弱性的功效 |
4.1.1 政策性农业保险的职能 |
4.1.2 政策性农业保险缓解贫困脆弱性的风险保障功效 |
4.1.3 政策性农业保险缓解贫困脆弱性的其他功效 |
4.2 政策性农业保险缓解贫困脆弱性功效的影响因素:供给层面 |
4.2.1 宏观供给层面的影响因素 |
4.2.2 微观供给层面的影响因素 |
4.3 政策性农业保险缓解贫困脆弱性功效的影响因素:需求层面 |
4.3.1 农业风险损失产生农业保险需求意愿 |
4.3.2 农业收入增加提高农业保险购买能力 |
4.4 政策性农业保险缓解贫困脆弱性功效的制约因素 |
4.4.1 政府层面的制约因素 |
4.4.2 保险机构层面的制约因素 |
4.4.3 贫困农户层面的制约因素 |
4.5 本章小结 |
5.政策性农业保险缓解贫困脆弱性的效用、临界点及传导机制 |
5.1 政策性农业保险缓解贫困脆弱性的效用 |
5.1.1 政策性农业保险缓解贫困脆弱性的边际效用 |
5.1.2 政策性农业保险的需求收入弹性 |
5.1.3 政策性农业保险缓解贫困脆弱性的收入效应和替代效应 |
5.1.4 不确定条件下的期望效用 |
5.2 政策性农业保险缓解贫困脆弱性的临界点:门槛效应 |
5.3 政策性农业保险缓解贫困脆弱性的直接传导机制 |
5.3.1 政策性农业保险缓解贫困脆弱性的直接传导机制:收入效应 |
5.3.2 政策性农业保险缓解贫困脆弱性的直接传导机制:消费效应 |
5.4 政策性农业保险缓解贫困脆弱性的间接传导机制 |
5.4.1 政策性农业保险缓解贫困脆弱性的间接传导机制:经济增长 |
5.4.2 政策性农业保险缓解贫困脆弱性的间接传导机制:收入分配 |
5.5 本章小结 |
6.政策性农业保险缓解贫困脆弱性效应的实证分析:理论模型及数值模拟 |
6.1 相关模型比较及选择 |
6.1.1 模型比较 |
6.1.2 模型选择 |
6.2 理论模型构建 |
6.2.1 基本模型 |
6.2.2 引入农业风险冲击 |
6.2.3 引入农业保险 |
6.2.4 引入不足额保险 |
6.2.5 引入农业保险保费补贴 |
6.2.6 陷入贫困的概率 |
6.3 政策性农业保险缓解贫困脆弱性效用的数值模拟 |
6.3.1 相关参数校准及函数假定 |
6.3.2 农业保险对贫困脆弱性的影响 |
6.3.3 赔偿比例对贫困脆弱性的影响 |
6.3.4 不足额保险对贫困脆弱性的影响 |
6.3.5 保费补贴对贫困脆弱性的影响 |
6.4 本章小结 |
7.政策性农业保险缓解贫困脆弱性效应的实证分析:基于典型村庄的调研数据 |
7.1 模型设定与数据说明 |
7.1.1 基于农户资产的贫困脆弱性测度模型 |
7.1.2 政策性农业保险缓解贫困脆弱性效果评估模型 |
7.1.3 数据来源与描述性统计 |
7.2 农户贫困脆弱性测度 |
7.2.1 收入期望和方差的FGLS估计 |
7.2.2 贫困线的确定 |
7.2.3 农户贫困脆弱性的估计结果 |
7.3 政策性农业保险对贫困脆弱性的影响 |
7.3.1 变量的相关关系 |
7.3.2 政策性农业保险对贫困脆弱性的影响 |
7.3.3 政策性农业保险对贫困脆弱性的作用渠道 |
7.4 本章小结 |
8.政策性农业保险缓解贫困脆弱性效应的实证分析:基于省级面板数据 |
8.1 门槛效应的经济学解释 |
8.2 门槛回归模型的基本理论及选择依据 |
8.2.1 门槛回归模型的基本理论 |
8.2.2 门槛模型选择依据 |
8.3 解释变量、数据说明与模型设定 |
8.3.1 变量选择与数据说明 |
8.3.2 模型设定 |
8.4 门槛效应存在性检验 |
8.5 政策性农业保险缓解贫困脆弱性效果的实证分析:整体样本回归 |
8.5.1 保费收入缓解贫困脆弱性的效果分析 |
8.5.2 保费补贴缓解贫困脆弱性的效果分析 |
8.5.3 保险赔偿缓解贫困脆弱性的效果分析 |
8.6 政策性农业保险缓解贫困脆弱性效果的实证分析:分组样本回归 |
8.6.1 样本分组依据 |
8.6.2 低收入组回归结果分析 |
8.6.3 中收入组回归结果分析 |
8.6.4 高收入组回归结果分析 |
8.7 本章小结 |
9.研究结论、建议及展望 |
9.1 研究结论 |
9.2 研究建议 |
9.3 研究展望 |
参考文献 |
后记 |
致谢 |
攻读博士学位期间科研情况 |
(5)SV族模型参数估计的MCMC算法改进及应用(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 实践意义 |
1.1.3 学术价值 |
1.2 国内外研究综述 |
1.3 论文研究内容 |
1.4 论文总体框架 |
1.5 论文创新点 |
第2章 SV族模型的主要形式 |
2.1 SV模型的基本形式 |
2.2 SV模型的主要扩展形式 |
2.2.1 基于t分布的SV(SV-t)模型 |
2.2.2 均值SV(SV-M)模型 |
2.2.3 杠杆SV(ASV)模型 |
2.3 本章小结 |
第3章 SV族模型参数估计方法 |
3.1 SV族模型参数估计方法的演变 |
3.1.1 似然函数法——伪似然估计(QML)方法 |
3.1.2 矩估计方法——广义矩估计(GMM) |
3.1.3 MCMC算法 |
3.2 蒙特卡洛马尔可夫链MCMC算法 |
3.2.1 基本理论 |
3.2.2 蒙特卡洛马尔可夫(MCMC)方法 |
3.2.3 Metropolis-Hastings(M-H)抽样方法 |
3.2.4 Gibbs抽样方法 |
3.3 SV族模型贝叶斯推断 |
3.3.1 标准SV模型的贝叶斯推断 |
3.3.2 SV-t模型贝叶斯推断 |
3.3.3 SV-MN模型的贝叶斯推断 |
3.3.4 SV-MT模型的贝叶斯推断 |
3.3.5 ASV模型的贝叶斯推断 |
3.4 本章小结 |
第4章 MCMC算法的改进策略 |
4.1 MCMC算法的改进策略 |
4.2 小波分析 |
4.2.1 小波分析概述 |
4.2.2 多分辨分析 |
4.2.3 小波包分析 |
4.3 MCMC的并行抽样算法 |
4.3.1 并行化策略 |
4.3.2 并行化策略的启发式算法 |
4.3.3 块采样器 |
4.4 本章小结 |
第5章 实证研究 |
5.1 模型比较指标构建 |
5.2 数据选取以及小波分析 |
5.3 SV族模型MCMC算法与并行MCMC算法的对比实证 |
5.3.1 SV-N模型的对比实证研究 |
5.3.2 SV-t模型的对比实证研究 |
5.3.3 SV-MN模型的对比实证研究 |
5.3.4 SV-MT模型的对比实证研究 |
5.3.5 ASV模型的对比实证研究 |
5.3.6 加速效率对比实证 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 不足与展望 |
参考文献 |
致谢 |
(6)人民币汇率与A股市场波动溢出效应研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状及分析 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 国内外研究现状对比分析 |
1.3 研究内容及研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
第2章 汇市与A股市场波动溢出效应理论基础 |
2.1 引言 |
2.2 汇市与股市波动溢出的相关理论 |
2.2.1 流量导向模型 |
2.2.2 股票导向模型 |
2.2.3 波动溢出理论的适用性分析 |
2.3 汇市与股市波动溢出的研究方法 |
2.3.1 随机波动模型 |
2.3.2 随机波动模型的估计方法——马氏链蒙特卡洛模拟方法 |
2.3.3 马尔科夫区制转换向量自回归(MS-VAR)模型 |
2.3.4 波动溢出方法的适用性分析 |
2.4 本章小结 |
第3章 汇市与A股市场波动溢出效应实证研究 |
3.1 引言 |
3.2 数据的统计特征分析 |
3.3 基于SV模型的波动性分析 |
3.4 基于MS-VAR模型的波动溢出效应分析 |
3.4.1 变量选取与数据来源 |
3.4.2 SH的统计特征分析 |
3.4.3 SH的 ADF单位根检验 |
3.4.4 Johansen协整检验 |
3.4.5 Granger因果检验 |
3.4.6 MS-VAR模型分析 |
3.4.7 脉冲响应分析 |
3.5 本章小结 |
第4章 抑制汇市与A股市场波动溢出效应的政策建议 |
4.1 引言 |
4.2 完善汇市形成与管理机制 |
4.3 完善股市价格形成与监管机制 |
4.4 发挥利率的中介与桥梁作用 |
4.5 提升A股市场的抗风险能力 |
4.6 本章小结 |
结论 |
参考文献 |
附录 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(7)隐马尔可夫模型在股市中的应用(论文提纲范文)
摘要 |
Abstract |
引言 |
1 研究背景及模型选用的意义 |
1.1 HMM应用于股票市场的研究成果 |
1.2 预测股票市场的意义 |
2 隐马尔可夫模型的定义 |
2.1 隐马尔可夫模型基本元素 |
2.1.1 隐含状态Z |
2.1.2 可观测状态X |
2.1.3 初始状态概率矩阵π |
2.1.4 隐含状态转移概率矩阵Λ |
2.1.5 观测状态转移概率矩阵? |
2.2 隐马尔可夫模型的基本结构 |
3 隐马尔可夫链的算法 |
3.1 隐马尔可夫链HMM的参数θ的 EM训练过程 |
3.2 隐马尔可夫链算法的E步骤 |
3.3 隐马尔可夫链算法的M步骤 |
3.4 隐马尔可夫链的解码问题 |
3.5 隐马尔可夫链的观测预测问题 |
4 隐马尔可夫在股市中的应用 |
4.1 隐马尔可夫在股市中应用的意义 |
4.2 隐马尔可夫模型在股市中的原理 |
4.3 样本选取说明 |
4.4 模型建立 |
4.5 预测结果模型比较 |
结论 |
参考文献 |
致谢 |
(8)时间序列经济计量分析中的小波技术及其应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
(1) 理论意义 |
(2) 现实意义 |
1.2 经济计量分析中的小波分析研究综述 |
1.2.1 理论研究方面 |
1.2.2 实证研究方面 |
1.3 研究内容与研究目标 |
1.3.1 研究内容 |
1.3.2 研究目标 |
1.4 研究方法、组织结构和技术路线 |
1.4.1 研究方法 |
1.4.2 组织结构与技术路线 |
1.5 本文的创新点 |
第2章 小波与非平稳时间序列分析的理论预备 |
2.1 小波分析理论 |
2.1.1 小波函数 |
2.1.2 离散小波变换 |
2.1.3 极大重叠离散小波变换 |
2.1.4 小波方差 |
2.2 非平稳时间序列分析的基础理论 |
2.2.1 维纳过程 |
2.2.2 泛函中心极限定理 |
2.2.3 连续映射定理 |
第3章 小波域单位根检验 |
3.1 单位根过程概述 |
3.1.1 单位根过程的几种定义 |
3.1.2 区分单位根过程和(趋势)平稳过程的意义 |
3.2 单位根检验研究进展 |
3.3 小波域单位根过程的检验 |
3.3.1 Fan和Gencay (2010)方法 |
(1) 检验策略的基本思想 |
(2) 检验统计量的构造及其性质 |
3.3.2 Fan和Gencay (2010)方法的拓展 |
(1) 检验对象与思想的延伸 |
(2) 检验统计量的构造及大样本性质 |
(3) 有限样本下检验表现的Monte Carlo仿真 |
3.4 本章引理、定理的证明 |
3.4.1 引理3.1的证明 |
3.4.2 引理3.2的证明 |
3.4.3 定理3.1的证明 |
3.5 本章小节 |
第4章 小波域协整检验 |
4.1 协整的思想与定义 |
4.2 线性协整的检验框架 |
4.3 协整检验的EG两步法与单位根检验的内在联系 |
4.4 小波域协整检验 |
4.4.1 检验模型设定与协整模型的初始估计 |
4.4.2 检验统计量的构建及其性质 |
4.4.3 协整检验功效与检验水平的Monte Carlo仿真 |
4.5 案例研究:我国黄金市场与国际市场的联动性 |
4.5.1 变量说明、数据来源与预处理 |
4.5.2 实证结果 |
(1) 序列单整阶数的确定 |
(2) 协整检验 |
4.5.3 实证结论与政策建议 |
4.6 本章小节 |
第5章 小波域马尔可夫模型及应用 |
5.1 背景与动机 |
5.2 马尔可夫链 |
5.2.1 定义与标记 |
5.2.2 平稳分布与可逆性 |
5.2.3 自相关函数 |
5.3 隐马尔可夫模型 |
5.3.1 定义与标记 |
5.3.2 边际分布 |
(1) 单变量分布 |
(2) 双变量分布 |
5.4 小波域隐马尔可夫模型 |
5.4.1 小波域模型的类型 |
(1) 尺度内模型 |
(2) 尺度间模型 |
(3) 混合模型 |
5.4.2 小波域马尔可夫树模型 |
(1) 参数估计 |
(2) 训练算法 |
5.5 案例研究:我国股市波动跨时间尺度传导的非对称性 |
5.5.1 金融时间序列的小波系数统计特性 |
5.5.2 2-状态小波域隐马尔可夫模型的构建 |
5.5.3 参数估计 |
5.5.4 实证结果与分析 |
(1) 数据来源与预处理 |
(2) 沪市波动信息流动的非对称表现 |
(3) 深市波动信息流动表现 |
(4) 波动信息流动的非对称性的稳健性检验 |
5.5.5 实证结论与政策意义 |
(1) 实证结论 |
(2) 政策意义 |
5.6 本章小节 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录 攻读博士学位期间的科研活动与成果 |
致谢 |
(10)马尔可夫链理论及其在经济管理领域的应用研究(论文提纲范文)
1 马尔可夫链理论概述 |
2 传统马尔可夫链在经济管理中的应用 |
2. 1 股市分析中的应用 |
2. 2 银行不良资产风险分析 |
3 新时期马尔可夫链理论的应用 |
3. 1 加权马尔可夫在股市分析中的应用 |
3. 2 农作物年景预测中的应用 |
3. 3 灰色马尔可夫链在铁路运输中的预测应用 |
3. 4 隐马尔可夫模型应用 |
4 结论 |
四、马尔可夫链及其在股市分析中的应用(论文参考文献)
- [1]基于小波变换的并行化MCMC算法改进及其应用研究[D]. 谢涛. 江西财经大学, 2021(10)
- [2]多尺度MSV模型族的应用及比较研究[D]. 汤家奇. 江西财经大学, 2020(10)
- [3]基于贝叶斯和极大似然法的原油价格动态预测研究[D]. 冷娜. 云南财经大学, 2020(07)
- [4]政策性农业保险缓解贫困脆弱性的机理及功效研究[D]. 徐婷婷. 西南财经大学, 2019(12)
- [5]SV族模型参数估计的MCMC算法改进及应用[D]. 李忆. 江西财经大学, 2019(01)
- [6]人民币汇率与A股市场波动溢出效应研究[D]. 崔嘉轩. 哈尔滨工业大学, 2019(02)
- [7]隐马尔可夫模型在股市中的应用[D]. 王绍泽. 大连理工大学, 2019(03)
- [8]时间序列经济计量分析中的小波技术及其应用[D]. 涂雄苓. 江西财经大学, 2017(01)
- [9]多重马氏链模型在股市预测中的应用[J]. 费时龙,任洪光. 德州学院学报, 2016(04)
- [10]马尔可夫链理论及其在经济管理领域的应用研究[J]. 崔莉培. 中国市场, 2016(11)