基于逐段曲线回归分析的息票剥离法的研究及应用_董继国

格式：pdf
大小：515.23 KB
文档页数：9

下载文档原格式

机构调研影响股价崩盘风险吗?

综上所述，机构调研行为可以通过以下两条途径提高被调研公司信息透明度，缓解股价崩盘风险：一是通过机构投资者自身对公司的治理效应达到提升信息透明度的作用；二是机构投资者对上市公司调研过程中挖掘和获取大量信息，这些信息通过自身交易和分析师的预测报告等方式传递给资本市场中的其他投资者，从而提高了上市公司的信息透明度，抑制股价崩盘风险。可见，代理关系下的利益不一致造成管理层捂盘，累积隐瞒大量坏消息并在释放时导致股价崩盘，而机构调研通过信息治理和信息传递提升上市公司信息透明度，降低股价崩盘风险。
归，并得出残差 εi.t 。
r = α + β r + β r + β r + β r + i,t
1
1,i m,t - 2
2,i m,t - 1
3,i m,t
4,i m.t + 1
β r + ε 5,i m,t + 2
i.t
（1）
股票 i 第 t 周经市场调整后的收益率 Wi,t 为：
和 Myers，2006）[1]，公司财务报告透明度越低，其股价崩盘风险也越高（Hutton 等，2009）[3]。
随着中国资本市场的不断扩容，机构投资者数量迅速上升。机构投资者凭借其资源和专业优势，成为资本市场的重要力量，在参与公司治理、完善资本市场信息环境和促进资本市场稳定发展中发挥着极其重要的作用。机构调研是细节，深入了解公司经营和发展状况，以做出更优投资决策的行为（孔东民等，2015）[4]。机构投资者通过对上市公司调研，可以获取大量公司报告之外的信息（Cheng 等，2019）[5]，占据信息优势，因此，机构调研在资本市场中的作用成为学者重点关注的对象并受到监管部门的重视，机构调研也为投资者与上市公司交流提供了重要方式和渠道（贾琬娇等，2015）[6]。基于此，证券交易所出台相关政策鼓励上市公司安排投资者进行调研，而且接纳最多的是机构投资者（Jiang 和 Yuan，2018）[7]。

股票市场收益与投资者情绪

投资者情绪与股票市场收益摘要：本篇论文选择了换手率、消费信心指数、新增加开户数、IPO首日收益率和IPO数量、封闭基金折价率六个指标采用主成分分析法构建投资者情绪综合指标。

随后进行了相关性分析、ADF检验、格兰杰检验、回归分析等数据研究方法探究了投资者情绪指标与股票收益间的关系，发现投资者情绪和股票收益互为格兰杰原因。

本文还将股票市场按上证指数波动情况分为五个阶段，分别进行回归分析与相关性检验，经过比较发现熊市期间股票收益与投资者情绪显著正相关，比整个期间的相关性更加的显著。

关键词：投资者情绪；股票收益；主成分分析Investor sentiment and stock returnsAbstract: The article has chosen six factors, including turnover rate, the consumer confidence index, numbers of new accounts, yield on first day of IPO, IPO number and the closed-end fund discount. And it use their monthly data to form a combined investor sentiment index by using principle component analysis. Then we analyze the relationship between ISI1 and ISI, also use the unit root test, Granger causality test and regression analysis. Stock market has been divided five stages and two categories:bull market and bear market. The results has indicated that the bear market has a more significant impact on investment sentiment then the whole market.Keywords: investor sentiment; stock returns ；principle component analysis正文目录一、导论５(一) 选题背景和研究意义５1. 选题背景５2. 研究意义５(二) 文献综述６1. 投资者情绪的度量６2. 投资者情绪与股票收益关系的研究７3. 投资者情绪对市场预测能力的研究７(三) 本文研究框架８二、投资者情绪综合指标的构建８(一) 假设的提出８(二) 样本数据的选择与来源８(三) 投资者综合指标的构建９1. 指标的选取９2. 构建投资者情绪指标的方法９(四) 描述性统计１０(五) 剔除宏观因素前投资者情绪指标的构建１１1. 十二个变量的主成分分析１１2. ISI1 与十二个指标的相关性分析１３3. 投资者情绪指标ISI2 的构建１４(六) 剔除宏观因素后投资者情绪指标的构建１５三、投资者情绪与股票收益的实证分析１６(一) ISI2与ISI的相关性分析１６(二) 序列的单位根检验１７(三) 变量的格兰杰因果检验１７(四) 回归分析１８(五) 区分牛熊市的股票收益与投资者情绪的研究１９四、结论与建议２１(一) 结论２１(二) 政策建议２１(三) 展望２２参考文献２４一、导论(一) 选题背景和研究意义1. 选题背景在参与市场时，投资者会产生乐观或者悲观的情绪，这些情绪贯穿投资行为的始终，因此将影响投资者的投资行为，从而影响资产价格。

基于遗忘曲线的微博用户兴趣模型

２０１４年１０月第３５卷　第１０期计算机工程与设计ＣＯＭＰＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧＡＮＤＤＥＳＩＧＮＯｃｔ畅２０１４Ｖｏｌ畅３５　Ｎｏ畅１０基于遗忘曲线的微博用户兴趣模型于洪涛１，崔瑞飞１＋，董芹芹２（１．国家数字交换系统工程技术研究中心，河南郑州４５０００２；２．天津财经大学研究生院，天津３００２２２）摘　要：为解决微博用户兴趣漂移问题，以人类记忆学中遗忘曲线为基础，提出一种微博用户兴趣模型，利用用户历史信息预测当前兴趣。

在预测过程中，用户关注某信息的时间距离当前时间越远，该信息越容易被遗忘，其对用户当前兴趣的影响越小；用户关注某一领域的信息越多，印象越深刻，对该领域的兴趣度越高。

这两点与人类对知识逐渐遗忘和重复学习的过程具有高度相似性，因此该模型预测准确性更高。

实验结果表明，该模型能较好地预测微博用户兴趣，召回率可达８５畅３％，实用性较强。

关键词：微博；预测；用户兴趣；重复学习；遗忘曲线中图法分类号：ＴＰ３９３　文献标识号：Ａ　文章编号：１０００‐７０２４（２０１４）１０‐３３６７‐０６收稿日期：２０１３‐１２‐１８；修订日期：２０１４‐０２‐２０基金项目：国家８６３高技术研究发展计划基金项目（２０１１ＡＡ０１０６０３、２０１１ＡＡ０１０６０５）作者简介：于洪涛（１９７０），男，辽宁丹东人，博士，教授，研究方向为通信与信息系统；＋通讯作者：崔瑞飞（１９８９），男，山东淄博人，硕士研究生，研究方向为通信与信息系统；董芹芹（１９８８），女，山东淄博人，硕士研究生，研究方向为管理科学与工程。

Ｅ‐ｍａｉｌ：ｃｕｉｒｕｉｆｅｉ０８１５＠１６３畅ｃｏｍＭｉｃｒｏ‐ｂｌｏｇｕｓｅｒｉｎｔｅｒｅｓｔｍｏｄｅｌｂａｓｅｄｏｎｆｏｒｇｅｔｔｉｎｇｃｕｒｖｅＹＵＨｏｎｇ‐ｔａｏ１，ＣＵＩＲｕｉ‐ｆｅｉ１＋，ＤＯＮＧＱｉｎ‐ｑｉｎ２（１．ＮａｔｉｏｎａｌＤｉｇｉｔａｌＳｗｉｔｃｈｉｎｇＳｙｓｔｅｍＥｎｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｉｃａｌＲ＆ＤＣｅｎｔｅｒ，Ｚｈｅｎｇｚｈｏｕ４５０００２，Ｃｈｉｎａ；２．ＰｏｓｔｇｒａｄｕａｔｅＤｅｐａｒｔｍｅｎｔ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓ，Ｔｉａｎｊｉｎ３００２２２，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｏｆｔｈｅｍｉｃｒｏ‐ｂｌｏｇｕｓｅｒｉｎｔｅｒｅｓｔｄｒｉｆｔ，ａｍｉｃｒｏ‐ｂｌｏｇｕｓｅｒｉｎｔｅｒｅｓｔｍｏｄｅｌｂａｓｅｄｏｎｔｈｅｆｏｒｇｅｔｔｉｎｇｃｕｒｖｅｗａｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅｃｕｒｒｅｎｔｉｎｔｅｒｅｓｔｗａｓｐｒｅｄｉｃｔｅｄｂｙｔｈｅｈｉｓｔｏｒｙｉｎｆｏｒｍａｔｉｏｎｏｆｕｓｅｒｓ．Ｉｎｔｈｅｐｒｅｄｉｃｔｉｎｇｐｒｏｃｅｓｓ，ｔｈｅｌｏｎｇｅｒｔｈｅｔｉｍｅｆｒｏｍｔｈｅｕｓｅｒｓ’ａｔｔｅｎｔｉｏｎｆｏｒａｍｅｓｓａｇｅｔｏｔｈｅｃｕｒｒｅｎｔ，ｔｈｅｗｅａｋｅｒｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅｍｅｓｓａｇｅ；ａｎｄｔｈｅｈｉｇｈｅｒｉｎｔｅｒｅｓｔｄｅｇｒｅｅｔｏｔｈｅｆｉｅｌｄ，ｔｈｅｍｏｒｅａｔｔｅｎｔｉｏｎｕｓｅｒｓｐａｉｄｔｏａｃｏｎｃｅｒｎｅｄｆｉｅｌｄ．Ｔｈｅｓｅｔｗｏｐｏｉｎｔｓａｒｅｒｅｇａｒｄｅｄａｓｔｈｅｐｒｏｃｅｓｓｏｆｈｕｍａｎｇｒａｄｕａｌｌｙｆｏｒｇｅｔｔｉｎｇａｎｄｒｅｐｅａｔｅｄｌｙｌｅａｒｎｉｎｇｋｎｏｗｌｅｄｇｅ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅｍｏｄｅｌｐｏｓｓｅｓｓｅｓａｈｉｇｈｅｒａｃｃｕｒａｃｙ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｏｄｅｌｃａｎｐｒｅｄｉｃｔｔｈｅｍｉｃｒｏ‐ｂｌｏｇｕｓｅｒｉｎｔｅｒｅｓｔｂｅｔｔｅｒｗｉｔｈｔｈｅｒｅｃａｌｌｒａｔｅｏｆ８５畅３％ａｎｄｇｏｏｄｐｒａｃｔｉｃａｌｉｔｙ．Ｋｅｙｗｏｒｄｓ：ｍｉｃｒｏ‐ｂｌｏｇ；ｐｒｅｄｉｃｔ；ｕｓｅｒｉｎｔｅｒｅｓｔ；ｒｅｐｅａｔｅｄｌｅａｒｎｉｎｇ；ｆｏｒｇｅｔｔｉｎｇｃｕｒｖｅ０　引　言微博中的用户兴趣分为长期兴趣和短期兴趣［１］。

考虑避振条件的水风光互补发电系统运行经济性评估

２０２４年４月水利学报ＳＨＵＩＬＩＸＵＥＢＡＯ第５５卷　第４期文章编号：０５５９－９３５０（２０２４）０４－０４０３－１３收稿日期：２０２３－０８－０２；网络出版日期：２０２４－０３－０４网络首发地址：ｈｔｔｐｓ：??ｋｎｓ．ｃｎｋｉ．ｎｅｔ?ｋｃｍｓ?ｄｅｔａｉｌ?１１．１８８２．ＴＶ．２０２４０２２９．１３１０．００１．ｈｔｍｌ基金项目：国家自然科学基金重点项目（５２３３９００６）作者简介：陈帝伊（１９８２－），博士，教授，主要从事水电与新能源联合运行与控制研究。

Ｅ－ｍａｉｌ：ｄｉｙｉｃｈｅｎ＠ｎｗｓｕａｆ．ｅｄｕ．ｃｎ考虑避振条件的水风光互补发电系统运行经济性评估陈帝伊，张　猛，刘　泳，赵鹏罛，赵子文，何梦娇（西北农林科技大学水利与建筑工程学院，陕西杨凌　７１２１００）摘要：为更加全面、准确评估水电机组在风光水互补发电系统中的经济性表现，本文将水电机组寿命损耗成本纳入机组运行成本，建立以机组运行成本最小、发电量最大、功率负荷偏差最小为目标的风光水互补发电系统经济性评估模型，充分考虑水电机组运行策略的区别，对比机组避振与不避振运行时的系统经济性特征与机组运行特点。

基于ＮＳＧＡ－Ⅱ智能优化算法对模型求解，以国内某清洁能源基地为例分析了风光典型出力场景下系统运行经济性。

研究结果表明，相比水电机组不避振运行，采用避振运行方式的水风光互补系统虽然发电量和功率与负荷偏差均值分别降低了０．０９％（０．０２ＧＷｈ）和２．１０％（１．８９ＭＷ），但运行成本均值下降了０．２４％（１．７１万元）。

综合来看，在发电量未有明显提升的情况下，虽然功率与负荷偏差方面不避振运行方式表现较为优越，但由于机组疲劳损耗导致的运行成本显著增加、机组安全问题突出，其综合经济性表现不如避振运行方式。

该研究对于优化水风光互补系统中水电机组的运行方式，提高互补发电系统整体经济效益有一定指导意义。

关键词：水风光互补发电系统；经济性评估；避振运行；非支配遗传算法中图分类号：ＴＭ７３２　文献标识码：Ａｄｏｉ：１０．１３２４３?ｊ．ｃｎｋｉ．ｓｌｘｂ．２０２３０４７５１　引言我国水、风、光等可再生能源具有较好的互补特性，水风光一体化协同发展是可再生能源未来发展方向。

技术转移、“海归”与企业技术创新

实际上，光伏业“ 海归三杰”并非特例，很多光伏企业创办者或高管都拥有海外工作或
数据来源：（Derwent，2012）③。
图 2 中国光伏企业专利申请变化及分布示意
- 125 -
技术转移、 “海归”与企业技术创新工商管理理论论坛
者学习经历。在整理数据库中的 800 余家光伏企业的高管简历过程中，115 家企业至少有一位以上的高管（董事长或总经理、其他高管）拥有海外经历，占比接近 25%④ 。51 家企业的董事长或总经理、96 家企业其他高管人员曾在海外学习或工作，32 家企业的董事长或总经理以及至少一位其他高管拥有海外经验。海归人才担任高管的企业，其创新绩效普遍较强，企业年均专利申请量远高于其他企业（表 1）。光伏产业的海归高管已经形成一股重要力量。那么，海归高管究竟在企业发展特别是提升技术创新能力方面到底发挥了怎样的作用？下面本文将通过定量分析进行解答。
技术转移、“海归 ”与企业技术创新
——基于中国光伏产业的实证研究
□罗思平于永达
- 124 -
摘要：基于 1998~2008 年 806 家中国光伏相关企业数据，主要采用 Negative Binomial 固定效应模型研究企业技术创新能力的影响因素，重点分析海归人才的特殊作用。具有海外教育或工作经验的企业高管，能够显著提高企业技术创新能力，促进企业加强专利保护，对周边企业亦存在一定的技术溢出效应。越来越多的海归人才选择回国发展，成为国际技术转移的特殊载体，在新兴产业特别是民营企业中发挥越来越重要的作用；而外国直接投资、贸易等其他国际技术转移方式对企业技术创新作用却不显著。本文首次采用定量研究方法在企业层面分析海归人才对技术创新的作用，研究结论对技术创新政策、人才战略的制定实施均有所启示。

盈余管理与股价崩盘风险

第１３卷第４期２０２０年８月沈阳工业大学学报（社会科学版）　ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＳｏｃｉａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｖｏｌ．１３Ｎｏ．４Ａｕｇ．２０２０收稿日期：２０１９－０６－０５基金项目：全国统计学科学研究重点项目（２０１８ＬＺ１２）；安徽农业大学研究生创新基金资助项目（２０２０ｙｓｊ８１）。

作者简介：林　明（１９９３－），男，安徽金寨人，硕士生，主要从事企业财务管理等方面的研究；尹宗成（１９７０－），男，安徽宿县人，教授，博士，主要从事金融市场理论和企业财务管理等方面的研究。

ｄｏｉ：１０．７６８８／ｊ．ｉｓｓｎ．１６７４－０８２３．２０２０．０４．０８盈余管理与股价崩盘风险———基于中国股票市场的证据林　明，尹宗成（安徽农业大学经济管理学院，合肥２３００３６）摘　要：自２００８年全球性金融危机爆发以来，股价暴跌现象在我国金融市场频频出现，股价暴跌尤其是股价崩盘越来越受到人们的关注。

以中国Ａ股上市公司２０１３—２０１７年数据为样本，研究盈余管理是否影响股价崩盘风险。

研究结果表明：盈余管理显著影响股价崩盘风险；在其他条件不变的情况下，盈余管理与股价崩盘风险呈显著的正Ｕ型关系。

这对全面认识盈余管理、降低我国上市公司股价崩盘风险、促进证券市场健康平稳发展具有重要意义。

关　键　词：盈余管理；股价暴跌；股价崩盘；风险管理中图分类号：Ｆ２７５；Ｆ８３２５文献标志码：Ａ文章编号：１６７４－０８２３（２０２０）０４－０３４０－０８近年来，股价暴跌现象在我国金融市场上频频出现。

自２００８年金融危机爆发以来，股价暴跌尤其是股价崩盘越来越受到人们的关注。

股价平稳与否关系到广大股民的切身利益。

股价崩盘风险受到投资者、政府和公司内部治理机构等的广泛关注，已成为微观经济学和财务学的研究热点之一。

特别是在我国经济发展从追求速度到更加注重质量的转型时期，开展该研究对于促进经济平稳发展、稳定市场秩序和化解金融市场风险有着十分重大的理论意义和现实意义。

中期借贷便利工具对国债利率期限结构的影响——基于主成分分析和VEC模型的实证检验

① 中国人民银行《2020年第二季度货币政策执行报告》。 ② 假定2”为n阶段债券在t的期限溢价恒为正，并且随着债券到期期限n的延长而上升，预期理论认为长期债券利率等于债券有效期内人们预期的短期利率均值与该债券随供求关系变动而变动的流动性溢价之和:i”= 込巴吐沁z+Z”。
n
7
金融论坛 2021年第7期(总第307期)
关未来短期利率和量化宽松(QE)操作的前瞻性指导，通过预期渠道调节债券预期风险溢价和收益率。潘敏和刘姗(2018)认为.预期效应在中央银行借贷便利工具对市场利率的影响中起到了重要作用。从中国的情况看,近年来预期引导和中央银行沟通已成为宏观调控的重要手段。伴随央行投放流动性方式由外汇占款逐渐转变为公开市场操作和结构性货币政策工具，金融机构对结构性货币政策工具的关注日益密切。人民银行在2017年一季度提出MLF操作将以一年期为主，在调节流动性的同时，向市场释放长期资金稳定的信号，稳定市场预期。
四、研究设计
(变一量)选择和数据来源 1.国债利率指标中国的债券市场体系可分为银行间债券市场和交易所债券市场。银行间债券市场的参与者是各类机构投资者，属于大宗交易批发市场,交易所债券市场属于场内集中撮合交易零售市场。但自2005年以来，交易所国债市场成交量不断萎缩.而银行间国债市场市场化程度高，托管规模、交易金额、交易量等各项指标都远远超过交易所市场，银行间市场己成为中国国债发行和流通的主导市场，也是中央银行公开市场操作进行间接货币政策调控的主要场所①。鉴于债券回购交易主要在银行同业拆借中心进行,本文选取银行间债券市场数据分析国债的期限结构。在国债即期收益率和到期收益率的选择上，银行间国债即期收益率数据包括市场双边报价、柜台交易等各方面国债交易信息，数据覆盖面较广,并且在数据制作过程中对异常点进行了科学处理,能够很好地反映市场价格。国内学者的研究也提供了较多参考:李宏瑾等(2010)认为要分析国债收益率曲线对通胀的预测作用，应该采用即期收益率曲线以反映当期市场交易者对未来经济的预期，而非假定在未来投资收益不变的名义到期收益率。王晓芳、郑斌(2015)也选用中央登记结算公司银行间国债即期收益率数据。关于国债期限的选取，袁靖和薛伟(2012)选取了银行间国债市场6个月、1年、3年、5年、7年、10年、 20年和30年为关键年限的收益率月度数据。本文参考现有文献，选择中央登记结算公司银行间国债即期收

Riccati方程的新解法及其在最优控制中的应用

Riccati方程的新解法及其在最优控制中的应用
董继学;张虹
【期刊名称】《黑龙江八一农垦大学学报》
【年(卷),期】2004(016)003
【摘要】本文提出了一种简便易行的代数Riccati方程的新解法,并对该法的合理性给出了证明.在此基础上,本文又阐述了此法在线性二次型最优控制中的应用,以供相关研究及应用领域参考.
【总页数】5页(P87-91)
【作者】董继学;张虹
【作者单位】黑龙江八一农垦大学文理学院,大庆,163319;黑龙江八一农垦大学文理学院,大庆,163319
【正文语种】中文
【中图分类】O231.4
【相关文献】
1.一类跟踪最优控制问题的次优解法及其应用 [J], 窦惠芳;陈阳泉
2.带有随机丢包的最优控制中Riccati方程解存在的条件 [J], 肖俊;徐红兵;祝颖
3.二阶非线性微分方程Riccati方程的解法及应用 [J], 李晓琴
4.M-矩阵代数Riccati方程的一类新的迭代解法 [J], 关晋瑞;任孚鲛;邵荣侠
5.方块脉冲函数应用于线性时变二次型最优控制的动态规划解法 [J], 贺昱曜
因版权原因，仅展示原文概要，查看原文内容请购买。

广东工业大学信息检索与利用专题检索报告范例

2011—2012学年度第二学期信息检索与利用专题检索报告课题：风险度量的概述及其对投资决策的影响学院应用数学学院专业班级统计学学号姓名手机指导教师陈晓瑜2012年4月30日一、课题分析风险度量是对于投资风险的影响和后果所进行的评价和估量，是投资决策赖以建立的关键性指标量。

传统的风险量度定义为投资回报的方差，将投资回报相对于其期望值的波动作为风险。

而现在的风险量度利用金融分析、随机分析、运筹规划、对策论等理论和方法，研究投资风险度量、投资项目评价选择、投资决策优化以及合同履约等问题。

适当的风险量度是降低投资风险的一个重要的方法。

投资决策是指投资者为了实现其预期的投资目标，运用—定的科学理论、方法和手段，通过一定的程序对投资的必要性、投资目标、投资规模、投资方向、投资结构、投资成本与收益等经济活动中重大问题所进行的分析、判断和方案选择。

投资决策是生产环节的重要过程。

本文所提到的风险量度主要是针对投资方面的风险。

由于近二十年来，受经济全球化和金融一体化、现代金融理论及信息技术、金融创新等因素的影响，全球金融市场迅猛发展，金融市场呈现出前所唯有的波动性，金融机构面临着日趋严重的金融风险。

近几年来频繁发生的金融危机造成的严重后果充分说明了这一点。

因此如何更准确的量度投资风险成为金融机构、政府当局及学术界的密切关注的热点问题，即进行本课题的研究有助于管理部门进行投资风险管理，提供一个管理的客观标准，有利于规范投资市场，优化资源配置，从而促进经济的稳定发展。

本课题涉及的范围有数学、金融、经济学、投资学、证券等。

关键词：风险，风险评估，风险量度，投资决策，决策投资风险。

Keywords: risk / risks，risk assessment ，risk evaluation，risk measurement/ measure，investment decision，investment decision-making.选择的数据库：1. 中文数据库：中国期刊网（CNKI），万方数据资源系统，维普中文期刊数据库，超星数字图书馆电子图书（读秀学术搜索）2. 外文数据库：ISI web of knowledge，Elsevier SDOL电子期刊二、检索步骤及结果I、检索过程1．中国期刊网（CNKI）进入广东工业大学图书馆——中文数据库——中国期刊网——高级检索。

【国家自然科学基金】_投资成本_基金支持热词逐年推荐_【万方软件创新助手】_20140801

知识创新真实活动操控目标函数监管盈利性盈余管理生物质现场试验环境项目投资环保项目投资特许期煤电产业链灰色理论灰色关联分析激励相容激励机理演化博弈满意度流动性过剩流动性治理结构治理机制水电气候变化气体脱水比较优势模糊规划模糊聚类模糊线性规划模糊推理系统模型标尺竞争条件风险价值机组配置机会成本本币升值期权价值服务水平最小方差法最优控制暂停期权显著性成本cs 显著性成本时机选择日前市场无套利区间旋流分离器旅游发展效果性评价政府补贴政府改革收益-成本分析收益
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
推荐指数 6 5 4 4 3 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ln (L ) T 1j T 1j -
ln (t0P 1j ) t0
,
j
=
1, 2, …, m
(1)
利用这 m 个即期收益率, 做回归分析拟合出第一段收益率曲线, 其函数记为 r1 ( t). 由此函数即可估计出所有期限为 t (0 < t ≤ ∆t) 的到期收益率.
下面对第 i ( i ≥ 2) 段, 第 j 种债券的到期收益率进行计算, 由
进而对前 i 段的所有债券的到期收益率
做回归分析, 拟合出收益率曲线, 其函数记为 ri ( t) . 当然, 函数 ri ( t) 可以应用统计软件进
行回归分析得到.
这样逐段进行息票剥离和回归分析, 直至拟合出一条完整的收益率曲线 rn ( t) , 并得到所有债券样本的到期收益率 rij , i = 1, 2, …, n , j = 1, 2, …, m.
这种方法不仅适用于一个存在零息票债券的市场, 也适用于不存在零息票债券的市场, 尤其针对中国债券市场, 其估计精度相对更高, 而且在逐段分析过程中体现了短、中、长期国债收益率曲线的动态变化关系.
收稿日期: 2007201208 基金项目: 国家自然科学基金 (10671052)
2
数学的实践与认识
k= 1
+ L e T ij
- rij (T ij - t0)
(3)
即可得到 rij 的修正值, 其中
T ij - t0 ∆t
为对 T ij ∆t
t0 取整.
然后, 对 ri+ 1j 予以修正, 此时对 rs+ 1j , rs+ 2j , …, ri- 1j 及 rij 的修正值做回归分析拟合曲线,
根据逐段曲线回归分析的息票剥离法, 此样本数据可分为 15 段. 其到期收益率的估计结果、修正值及N elson2Siegel 模型下的估计结果[14]与实际到期收益率, 如表1 所示. 其每段的拟合曲线函数分别如下:
r1 (t) =
r2 ( t) = 0. 02 -
0.
001
1 t
;
r3
( t)
=
0. 021 -
0.
001
1 t
r4 ( t) = r5 ( t) = r6 ( t) = r7 ( t) = 0. 018 + 0. 005ln t; r8 ( t) = 0. 018 + 0. 006ln t
r9 ( t) = 0. 018 + 0. 005ln t
4
数学的实践与认识
P t0 ij =
T ij - t0 ∆t
6 R ij
k= 1
∆t
e + L - δri ( (T ij - t0) - k∆t) [ (T ij - t0) - k ∆t ]
T ij
e- rij (T ij - t0)
(2)
即可得到 rij , 其中
T ij - t0 ∆t
为对 T ij ∆t
t0 取整.
这里, 我们就某一债券数据样本, 将模型中的基本符号定义如下:
t0: 构造收益率曲线的日期; T ij , i = 1, …, n , j = 1, 2, …, m : 第 i 段第 j 种债券到期日
期; T ij - t0: 第 i 段第 j 种债券的剩余年限; rij: 第 i 段第 j 种债券在期限为 T ij - t0 的到期
1. 3014
0. 66894
0. 66894
2. 0515
0. 69000
10214
1. 4356
2. 10579
2. 10579
2. 1162
39 卷
r10 ( t) = r11 ( t) = r12 ( t) = r13 ( t) = r14 ( t) = r15 ( t) = 0. 018 + 0. 006ln t
(4)
表1
国债代码
剩余年限
理论到期收益率①
理论到期收益率①修正值
理论到期收益率②
实际到期收益率
696
0. 0712
在样条估计法中, 常用的是多项式样条法和指数样条法, 它们分别以多项式和指数形式
定义基函数. 而实际中, 基函数形式不但不会局限于这两种, 而且会随着期限的不同而有所
变化. 因此, 我们采用逐段拟合曲线方法, 克服了这一缺陷, 使得其更符合真实情况.
2. 3 模型的修正方法
由于对剩余年限取整后能取得 0, 1, 2, …, n 一系列整数倍到期的债券, 这种方法对其到
- 1. 97417
- 1. 97417
1. 4943
- 1. 97000
10506 10405
0. 0740 0. 0767
1. 48730 1. 43495
1. 48730 1. 43495
1. 4943 1. 4978
1. 49000 1. 44000
10510
0. 3288
1. 76913
1. 76913
2. 2 模型的构建
讨论从第一个阶段开始, 如果存在零息票债券, 则其零息票债券就作为第一段; 如果不
存在零息票债券, 则将剩余年限小于相邻两次付息时间间隔的债券作为第一段处理, 这是由
于它们在到期日之前不再付息, 所以可以类似于零息票债券处理[13].
这一段第 j 种债券的到期收益率为:
r1j =
期收益率的拟合精度更高. 所以, 当遇到所发行债券的某个期限的品种较少时 (如中国长期
国债较少) , 应针对这个期限的到期收益率予以修正. 这里给出一种修正方法.
修正主要是针对以下情况, 如果某两个相邻阶段的剩余年限差距过大, 一般地, 当相邻
两个阶段剩余年限取整后的差值大于 2 年时, 就需要对已经完成的拟合函数予以修正.
1 引言
利率期限结构 (T erm structu re of in terest ra te) 作为金融工程领域一个十分重要的基础性研究工作. 从字面上解释, 它是指在某个时点上不同期限的利率所组成的一条利率曲线. 国外对此收益率曲线的研究, 主要分为两类: 均衡模型[124 ]和经验模型[528 ]. 前者是对某些变量进行假设, 然后再利用套利定价理论得到整个利率期限结构; 其局限性在于只能是在有效市场无套利条件下的理论探讨 , 很难用来拟合实际观察到的债券价格和收益率数据. 而后者则是对观测到的债券息票价格采用曲线拟合方法来估计即期收益率曲线; 它可以刻画出许多现实中的利率曲线形状, 目的是得到一个能够较好拟合观测数据的、平滑连续的利率期限结构函数. 目前, 国内在这个领域的研究也很活跃, 如文献[ 9211 ]等. 其中, 常用的两种方法分别为, 线性条件下的息票剥离法和非线性条件下的样条估计法. 而这两种方法各有利弊, 如何将二者结合起来, 更加科学合理的对利率期限结构进行静态估计, 是目前的研究方向之一.
文献[ 12 ]对于这个问题给予了论述, 其在对一般息票剥离法进行扩展的时候, 是采用三次样条插值法将国债样本数据分段, 而后运用三次样条插值函数对每一段上的数据进行拟合, 最后得到即期收益率曲线估计.
本文亦针对此问题, 对一般息票剥离法给予了改进, 提出应用逐段回归分析拟合曲线进行息票剥离. 首先, 也是对国债样本数据给予分段, 而后与文献[ 12 ]的区别在于不是就每段的数据进行拟合, 而是逐段拟合. 随着息票的剥离, 将前面各阶段所有的数据估值予以回归, 进行拟合, 进而利用该拟合函数计算下一阶段中各国债的即期收益率. 如此, 递增累积计算, 最后得到所有国债的即期收益率.
收益率; t0P ij: 第 i 段第 j 种债券在 t0 时刻的价格; L : T ij 第 i 段第 j 种债券到期时的本息和; R ij: 第 i 段第 j 种债券的年息票; ∆t: 相邻两次付息的时间间隔 (以年为单位) ; ri ( t) : 前 i 段拟合利率曲线函数; δri ( t) : 由 ri ( t) 估算出的在时间 t 内的利率水平.
39 卷
2 基本数学模型
首先, 对债券样本数据依剩余年限递增排序, 然后将剩余年限取整后相等的债券作为一
个阶段, 原因在于一般债券均以年为单位给出其息票值. 这样就把一组债券样本数据分为 n
个不同的阶段, 每个阶段中存在m 个不同的债券. 在此, 我们利用连续复利的到期收益率建
立基本数学模型.
2. 1 符号说明
P t0 ij =
k=
T ij - t0 ∆t
6
T ij - t0 ∆t
R ij
-
s ∆t
+
1
∆t
e- rδs1 ( (T ij - t0) - k ∆t) [ (T ij - t0) - k∆t ]
T ij - t0 ∆t
-
s ∆t
+
6
R ij
∆t
e- δrs2+ 1, n ( (T ij - t0) - k∆t) [ (T ij - t0) - k∆t ]
其函数记为
r2 s+ 1, i+
1 ( t) ,
δr2 s+ 1, i+
1 ( t)
为由 r2 s+ 1, i+
1 ( t)
估算出的在时间 t 内的利率水平.
进而, 利
用 (1. 3. 1) 得到 ri+ 1j 的修正值. 如此, 将所有需要修正的到期收益率完成.
通过对中国国债利率期限结构的实证分析, 表明这种修正方法进一步提高了对长期国
23 期
董继国: 基于逐段曲线回归分析的息票剥离法的研究及应用
3
修正在应用上述方法对全部债券样本数据息票剥离, 而得到所有债券样本到期收益率和一条完整的拟合曲线函数 rn ( t) 之后进行. 选择适当的阶段插入分界点, 将得到的到期收益率 rij , i = 1, 2, …, n , j = 1, 2, …, m 分为 2 至 3 段分别予以回归分析拟合曲线. 由于债券有短、中、长三期之分, 它们的利率期限结构的变化规律或有不同; 故而, 一般来说分界点的个数不会超过 2 个, 即再次得到的拟合函数不会超过三个. 然后, 对需要修正的债券样本的到期收益率 rij 进行修正计算. 下面以分为两段的情况为例, 阐述具体作法.