基于混频损失函数的中国新型门限金融状况指数构建及应用研究
发布时间：2023-08-09 16:26
中国作为全球最大的发展中国家,在全球金融一体化的新时代背景下,中国的经济发展面临着新的机遇与挑战。这表示中国需要有一系列更加完善的货币政策帮助其经济继续向前,这也对政策决策者有了更高的标准和要求。而随着经济市场产业结构转型,金融信息量增大,传统的单变量模型和一般线性模型已经越来越无法满足当局者充分了解当下经济状况的迫切需求。因此,构建一个能够覆盖更多信息量适应中国当前发展的计量模型,以编制一个能够更为客观且有效的反映当前金融状况的金融状况指数是金融学者们的共同目标。本文首先结合SFAVAR模型和NMR-TVAR模型,构建了结构因子增广多机制门限向量自回归模型(MR-SFA-TVAR)。再使用MF-DFM模型,构建了由GDP和CPI构成的中国混频损失函数(MLF),同时从货币供应量类、利率类、汇率类、股价类、房价类和信贷类等24个金融指标中分别抽取6个结构公因子。然后,基于构建的MR-SFA-TVAR模型,实证编制中国新型门限金融状况指数(NMR-TFCI),用以测度货币政策的效果,并将其与基于本文模型构建的线性金融状况指数(N1R-FCI)和2机制门限金融状况指数(N2R-FCI)的测...
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 引言
1.1 研究背景
1.2 研究目的与选题意义
1.2.1 研究目的
1.2.2 选题意义
1.3 金融状况指数的相关概念
1.3.1 金融状况指数的概念
1.3.2 多机制门限金融状况指数的概念
1.4 国内外文献综述
1.4.1 一般构建金融状况指数的方法
1.4.2 因子方法构建金融状况指数
1.4.3 门限方法构建金融状况指数
1.4.4 文献评述
1.5 研究内容与方法
1.5.1 研究内容
1.5.2 研究方法
1.6 创新点与不足之处
1.6.1 创新点
1.6.2 不足之处
第2章 构建新型门限金融状况指数的计量模型
2.1 构建结构因子增广多机制门限向量自回归模型MR-SFA-TVAR
2.1.1 结构因子增广向量自回归模型(SFAVAR)
2.1.2 新型多机制门限向量自回归模型(NMR-TAR)
2.1.3 结构因子增广多机制门限向量自回归模型(MR-SFA-TVAR)
2.2 构建中国混频损失函数
2.2.1 构建混频损失函数模型
2.2.2 测度混频损失函数值
2.3 构建新型门限金融状况指数的编制公式
2.3.1 介绍传统金融状况指数(FCI)线性编制公式
2.3.2 构建新型门限金融状况指数的编制公式
第3章 测度中国新型门限金融状况指数
3.1 指标的选取与处理
3.1.1 指标的选取
3.1.2 指标的处理
3.1.3 因子抽取
3.2 单位根检验
3.3 确定MR-SFA-TVAR模型的最优滞后阶数
3.4 检验门限存在性和机制数
3.4.1 检验门限存在性
3.4.2 检验机制数
3.5 N4R-SFA-TVAR模型的门限变量的检验
3.6 N4R-SFA-TVAR模型门限值估计及其机制划分
3.6.1 基于N4R-SFA-TVAR模型的门限值及其置信区间估计
3.6.2 基于N4R-SFA-TVAR模型的机制划分
3.7 N4R-SFA-TVAR模型系数估计
3.8 编制中国新型门限金融状况指数
3.8.1 分析各机制脉冲响应函数
3.8.2 测算各机制下NMR-TFCI的权重
3.8.3 测度中国新型门限金融状况指数(NMR-TFCI)
第4章 基于中国新型门限金融状况指数的比较结果分析
4.1 相关性研究
4.1.1 NMR-TFCI、N2R-TFCI、N1R-FCI与GDP的折线图比较
4.1.2 NMR-TFCI、N2R-TFCI、N1R-FCI与GDP的跨期相关性检验
4.1.3 NMR-TFCI、N2R-TFCI、N1R-FCI与CPI的折线图比较
4.1.4 NMR-TFCI、N2R-TFCI、N1R-FCI与CPI的跨期相关性检验
4.2 格兰杰因果检验
4.2.1 NMR-TFCI、N2R-TFCI、N1R-FCI与GDP的格兰杰因果检验
4.2.2 NMR-TFCI、N2R-TFCI、N1R-FCI与CPI的格兰杰因果检验
4.3 预测能力检验
4.3.1 NMR-TFCI、N2R-TFCI、N1R-FCI对GDP的预测能力检验
4.3.2 NMR-TFCI、N2R-TFCI、N1R-FCI对CPI的预测能力检验
第5章 中国新型门限金融状况指数的部分实际应用讨论
5.1 基于NMR-TFC I的货币政策不确定性分析
5.2 基于NMR-TFC I的系统性金融风险预测
第6章 结论与政策建议
6.1 结论
6.2 政策建议
致谢
参考文献
本文编号：3840574
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 引言
1.1 研究背景
1.2 研究目的与选题意义
1.2.1 研究目的
1.2.2 选题意义
1.3 金融状况指数的相关概念
1.3.1 金融状况指数的概念
1.3.2 多机制门限金融状况指数的概念
1.4 国内外文献综述
1.4.1 一般构建金融状况指数的方法
1.4.2 因子方法构建金融状况指数
1.4.3 门限方法构建金融状况指数
1.4.4 文献评述
1.5 研究内容与方法
1.5.1 研究内容
1.5.2 研究方法
1.6 创新点与不足之处
1.6.1 创新点
1.6.2 不足之处
第2章 构建新型门限金融状况指数的计量模型
2.1 构建结构因子增广多机制门限向量自回归模型MR-SFA-TVAR
2.1.1 结构因子增广向量自回归模型(SFAVAR)
2.1.2 新型多机制门限向量自回归模型(NMR-TAR)
2.1.3 结构因子增广多机制门限向量自回归模型(MR-SFA-TVAR)
2.2 构建中国混频损失函数
2.2.1 构建混频损失函数模型
2.2.2 测度混频损失函数值
2.3 构建新型门限金融状况指数的编制公式
2.3.1 介绍传统金融状况指数(FCI)线性编制公式
2.3.2 构建新型门限金融状况指数的编制公式
第3章 测度中国新型门限金融状况指数
3.1 指标的选取与处理
3.1.1 指标的选取
3.1.2 指标的处理
3.1.3 因子抽取
3.2 单位根检验
3.3 确定MR-SFA-TVAR模型的最优滞后阶数
3.4 检验门限存在性和机制数
3.4.1 检验门限存在性
3.4.2 检验机制数
3.5 N4R-SFA-TVAR模型的门限变量的检验
3.6 N4R-SFA-TVAR模型门限值估计及其机制划分
3.6.1 基于N4R-SFA-TVAR模型的门限值及其置信区间估计
3.6.2 基于N4R-SFA-TVAR模型的机制划分
3.7 N4R-SFA-TVAR模型系数估计
3.8 编制中国新型门限金融状况指数
3.8.1 分析各机制脉冲响应函数
3.8.2 测算各机制下NMR-TFCI的权重
3.8.3 测度中国新型门限金融状况指数(NMR-TFCI)
第4章 基于中国新型门限金融状况指数的比较结果分析
4.1 相关性研究
4.1.1 NMR-TFCI、N2R-TFCI、N1R-FCI与GDP的折线图比较
4.1.2 NMR-TFCI、N2R-TFCI、N1R-FCI与GDP的跨期相关性检验
4.1.3 NMR-TFCI、N2R-TFCI、N1R-FCI与CPI的折线图比较
4.1.4 NMR-TFCI、N2R-TFCI、N1R-FCI与CPI的跨期相关性检验
4.2 格兰杰因果检验
4.2.1 NMR-TFCI、N2R-TFCI、N1R-FCI与GDP的格兰杰因果检验
4.2.2 NMR-TFCI、N2R-TFCI、N1R-FCI与CPI的格兰杰因果检验
4.3 预测能力检验
4.3.1 NMR-TFCI、N2R-TFCI、N1R-FCI对GDP的预测能力检验
4.3.2 NMR-TFCI、N2R-TFCI、N1R-FCI对CPI的预测能力检验
第5章 中国新型门限金融状况指数的部分实际应用讨论
5.1 基于NMR-TFC I的货币政策不确定性分析
5.2 基于NMR-TFC I的系统性金融风险预测
第6章 结论与政策建议
6.1 结论
6.2 政策建议
致谢
参考文献
本文编号：3840574
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/3840574.html