分类： 应用经济学 >> 金融学 发布时间： 2025-04-14 合作期刊: 《新金融》
摘要：自2020年以来，由于供应链中断和新冠疫情后的经济不确定性，预测通货膨胀已成为中央银行面临的一大挑战。机器学习模型可以通过纳入更广泛的变量、允许非线性关系以及关注样本外预测表现来提高预测准确性。在本文中，我们应用机器学习（ML）模型来预测日本近期的核心通胀率。日本是一个具有挑战性的案例，因为通胀在2022年之前一直处于低位，而现在已经上升到了四十年来前所未见的水平。我们对大量预测因子应用了四种机器学习模型以及两种基准模型。对于2023年，两种惩罚回归模型系统性地优于基准模型，其中LASSO提供了最准确的预测。2022年后预测通货膨胀的有效预测变量包括家庭通货膨胀预期、入境旅游人数、日元汇率和产出缺口。
分类： 应用经济学 >> 金融学 发布时间： 2025-04-14 合作期刊: 《统计与信息论坛》
摘要：基于LASSOQVAR模型，筛选金融机构之间有效关联，构建有向加权尾部关联网络，可以从系统视角揭示系统性风险动态特征。一方面，通过尾部关联网络构造系统性风险计分及其贡献，以度量系统性风险水平与识别系统重要性金融机构，进一步从微观层面探究系统性风险贡献的影响机制；另一方面，将尾部关联网络区分为正关联网络与负关联网络，分别提取网络整体特征以及网络节点特征，考察不同关联关系下网络特征的系统性风险预测能力。以2011一2022年32家中国A股上市金融机构作为研究对象，开展了实证研究。研究结果显示：第一，尾部关联网络具有时变特征，能够较好地吻合一些危机事件，银行业和证券业呈现出更为紧密的关联性，具有行业异质性。进一步，发现银行业风险共振（正关联网络)与风险分散（负关联网络)功能相较其他金融行业更强。第二，系统性风险计分可以作为量化系统性风险动态性的重要指标，系统性风险贡献主要集中于银行业与保险业，进一步机制分析表明公司治理水平能够显著影响到系统性风险贡献。第三，尾部关联网络特征具有很好的预测能力，网络整体特征能够预测系统性风险大小，网络节点特征能够预测金融机构系统性风险贡献。
分类： 应用经济学 >> 劳动经济学 发布时间： 2024-10-08 合作期刊: 《商展经济》
摘要：深入研究劳动者报酬的影响因素，有助于全面了解和掌握甘肃省劳动者的收入状况、居民消费水平以及社会资源配置等情况，从而为政策制定提供更为精准的依据。在此背景下，本文运用岭回归方法与Lasso回归方法研究了资本存量、人口数量、农村居民消费水平、城镇居民消费水平对甘肃劳动者报酬的影响。研究发现：影响劳动者报酬的因素依次为资本存量、人口数量、城镇居民消费水平、农村居民消费水平。本研究仅供参考。
主办：中国人民大学 承办：中国人民大学书报资料中心
邮箱: yuyin@ruc.edu.cn 电话:62516972 62515820
地址: 北京市海淀区中关村大街59号
版权所有©2024 中国人民大学
点击量
点击量
下载量
评论
京公网安备11040102700185