一、2001年经济运行情况及2002年一季度预测（论文文献综述）
王珏帅[1]（2019）在《主要经济体流动性管理对我国经济的溢出效应研究》文中研究指明2008年美国次级贷款危机诱发的金融风暴、全球经济衰退以及“救市”实践显示:尽管核心发达经济体、小型发达经济体以及新兴市场经济体都有各不相同的实际经济周期,但全球主要经济体的经济与金融表现出被称之为“全球金融周期”的高度相关性。而驱动全球金融周期根源即是流动性外溢（Monetary Spillover）。在过去10年里,由发达经济体的流动性管理和溢出效应所驱动的全球经济高度相关带来了一些积极的影响,同时也可能产生严重的副作用。那么,主要经济体的流动性管理对中国经济的溢出效应是积极的,还是消极的?是短期的,还是长期的?是整体性的,还是局部性的?这些重大问题目前尚没有得到充分的论证。在中国经济结构转型的关键时期,在世界主要经济体和地区的经济形势、政策立场及政治走向高度不确定性的背景下,流动性外溢风险是中国学界和政府有关部门亟待解答一个的重大问题。为了回答这一问题,本文以“主要经济体流动性管理对中国经济的溢出效应”为题,尝试从宏观经济、产业活动以及金融市场三个方面,就主要经济体流动性对中国经济的溢出效应进行系统研究。本文首先回顾了有关流动性管理的国际溢出效应传导机制、影响效果,以及主要经济体流动性管理对中国影响的文献资料:而后考察了 20世纪90年代以来三次金融危机发展历程（互联网泡沫危机、美国次级贷款泡沫危机以及欧洲主权债务危机）、危机前后主要经济体流动性管理的历史;接着构建了一个包含美国、欧元区、日本、中国四大经济体的GPM-4模型,分析了美国、欧元区和日本的3种流动性管理手段对我国9个关键宏观经济变量的影响;随后利用FAVAR模型,研究了 G7经济体的流动性对我国工业、农业、房地产业、消费品零售业、对外贸易以及外商直接投资六种主要产业活动的溢出影响,以及各行业中流动性溢出效应的传导机制;最后,基于由15个主要经济体构成的GVAR模型,利用广义脉冲响应分析、反事实分析等方法,探讨了主要经济体流动性管理对我国金融市场的溢出效应。本文研究发现:第一,流动性变化是塑造全球经济金融走向的重要因素。主要经济体的流动性管理不仅存在协同性,而且主要经济体的流动性管理方向多次转向、手段丰富,且流动性管理规模庞大。第二,主要经济体的流动性管理对我国主要宏观经济变量产生了一定影响,但不是主导因素。不同类型的流动性冲击对我国宏观经济的影响机制和效果存在差异,其中:货币冲击的瞬时效果最强,信贷条件和基准利率冲击对中国宏观经济波动的长期贡献度更大;G3经济体中美国的流动性管理对中国宏观经济影响最大,欧元区次之,日本的影响最小;流动性冲击对中国宏观经济变量的影响主要体现在短期,20个季度之后影响基本被完全吸收。第三,主要经济体的流动性管理对我国主要产业活动产生了明显的溢出效应。短期内以扩张效应为主,但部分行业表现出一定的滞后和反复;瞬时冲击对我国主要产业活动的影响大约在6个月左右达到稳定状态,长期来看流动性冲击对我国各产业活动变量预测方差都有一定的解释力,但不起主导作用;流动性冲击对大类产业部门影响的传导机制总体上遵循从初始生产资料价格和生产活动向最终产品价格和生产活动传递的过程,但对细分产业活动影响的传导机制具有较大差异。第四,主要经济体的流动性管理对我国金融市场产生了明显的溢出效果。不同经济体、不同的流动性管理方式对中国金融市场的瞬时冲击和长期贡献有较大差异,其中,非常规货币政策冲击对中国金融波动的贡献度更高,中国长期债券利率对主要经济体流动性冲击更敏感。本文的主要边际贡献和创新之处体现在以下四个方面:第一,本文系统研究了主要经济体流动性管理对中国经济的溢出效应,分别从宏观经济、产业活动、金融市场三个方面进行了系统深入的研究,弥补了现有国内外研究的不足。第二,本文尝试拓展了国际货币基金组织研发的GPM分析框架,构建了中美欧日四大经济体构成的GPM-4模型,并首次将其用于分析主要经济体流动性对中国宏观经济的溢出效应。第二,本文基于FAVAR模型探讨了主要经济体流动性管理对中国主要产业活动的溢出效应,首次从产业层面研究了流动性管理的国际溢出效应,进一步丰富了流动性溢出领域的研究内容。第四,本文对全球15个国家构建了 GVAR模型,系统讨论了美国、欧元区经济体、亚洲经济体、其他经济体的常规与非常规货币政策对中国股、债、汇三个市场的溢出效应,在研究内容、研究方法、样本覆盖等方面完善和补充了现有的文献资料。
闵林[2]（2019）在《中国CPI运行规律分析及预测研究》文中研究说明稳定的价格体系是国民经济发展的前提,CPI是反映了消费品和服务的总的价格水平的指标,是判断整个价格体系稳定与否的重要根据。如何有效调控CPI使之长期平稳运行是宏观经济管理和研究的重要课题,深入研究中国CPI的运行规律、影响因素以及预测方法有重要的现实意义和理论意义。首先本文采用传统计量经济方法研究了2001年1月-2018年4月中国CPI变化的总体情况,表明近二十年期间CPI总体运行稳定,模型拟合度和预测的结果也因此表现的较好。与之相对的是,作为CPI保持稳定的原因,环比CPI变化的规律性较差,无论拟合度还是预测效果都不理想。这意味着,需要对环比CPI的变化规律、影响因素等进行深入研究。然后,分析了环比CPI规律性较差的原因,发现这是多种规律性指标混合造成的结果。为此,本文采用了经验模态分解（EMD）方法,将其分解为短期波动、中期变化、中长期变化和长期趋势四个分量,发现前3个分量的周期分别为0.5、3.5和9年,所有4个分量都有一定的规律性。利用它们可以部分地解释CPI的一些变化特征,例如我国CPI的稳中有升的主要原因是中长期分量和长期趋势稳中有升等。为了更好地把握环比CPI整体的规律和影响因素,就要对这些分量的规律和影响因素进行深入研究。其次,研究上述4个分量和9个行业之间的总体关系。为了避免多重共线性的困扰,本文使用偏最小二乘回归的方法进行了分析,并在此基础上计算了各个行业对各个环比CPI分量的影响度。发现这些影响度中存在着某种程度的对冲关系,这些对冲关系在保持我国CPI长期稳定中的起着重要作用。再次,是CPI预测方法研究。考虑到传统的计量分析方法不能很好地预测环比CPI数据,本文提出用将EMD分解、偏回归分析和ARMA分析结合起来的方法来拟合和预测环比CPI,由此获得的2018年第4季度CPI预测的相对误差仅为0.369%,较2.1%的用传统方法的预测相对误差明显小。不足的是,本文的预测方法只能预测季度的CPI,不能预测全年所有月份的CPI。最后是结论和建议。主要的结论有,EMD和偏回归方法在把握环比CPI的规律和发现其影响因素方面有重要作用;各行业对环比CPI的影响度指标中存在对冲关系。主要建议有,保持各个行业对短期分量和中期分量影响互相对冲的关系,是我国CPI稳定运行的关键,这在供给侧结构改革的今天尤其重要;CPI预测不能只依赖一种方法,应该多种方法并举。
肖时松[3]（2019）在《通货膨胀对股票收益影响的实证研究》文中提出对金融资产进行准确定价是金融服务实体经济的前提条件。若不然,错误定价会导致资金错误配置,甚至脱离实体经济实现自我增值,进而形成金融业的虚假繁荣乃至泡沫。2007-2009年由美国次贷危机引发的全球金融海啸进而全球经济大衰退佐证错误定价可能导致的严重金融经济后果。另外,中国参与全球金融经济治理和中国企业‘走出去战略’实施都要求加深对国际金融形势判断和金融规律的认识。特别地,虽然2007-2009全球金融危机后各国央行实施量化宽松政策,但是与传统货币理论预测相反各国存在不同程度的通缩风险。通缩风险受到全球货币政策制定者重视,也引发学界对通胀/通缩问题的重新关注。不过,现有研究发现在时间序列上‘高通胀低收益’现象不再成立,在横截面上通胀风险溢价估计符号甚至存在一定争议。本文从国际投资视角重新审视物价变化对股票市场收益在时间序列和横截面上的影响。主要研究内容如下:第一,从通胀代理变量选取角度重新确立‘高通胀低收益’现象。针对CPI通胀—现有文献常用通胀代理变量—存在的缺陷,本文将消费通胀作为通胀代理变量并从多方面说明其优越性。将消费通胀应用于股票市场收益预测,并评估和比较消费通胀与包括消费通胀在内的文献中常见收益预测变量的预测能力。从样本内和样本外角度实证发现在季度和半年度预测中消费通胀具有更强且稳健的收益预测能力。另外,消费通胀比CPI通胀对各种特征组合收益也具有更强的预测能力。将样本外预测应用于实时资产配置,研究各变量预测能力的经济价值。在投资者具有均值–方差效用函数框架下,无论从确定性收益等价度量还是从夏普比率度量,发现消费通胀具有比其它预测变量更好且更稳健的季度和半年度资产配置表现。最后,利用收益分解和横截面现金流预测研究消费通胀强收益预测的经济内涵,发现消费通胀的预测能力源于其蕴含的现金流信息。第二,针对文献中关于通胀风险溢价估计符号不一致现象,在统一框架和最新的测试资产下将消费通胀应用于通胀风险溢价估计问题。实证发现消费通胀因子在控制Fama-French五因子或q因子后具有统计上和经济上显着的正风险溢价。该结论对蒙特卡洛模拟,通胀过程设定,宏观资产定价基准模型,测试资产和模拟因子组合等不同设定下都是稳健的。与之相反,CPI通胀因子在所有检验中其风险溢价既不具有统计显着性也不具备经济显着性。本文结果说明通胀风险溢价估计受标的因子模型和通胀代理变量选择的影响,为解决通胀风险溢价争论提供坚实的实证证据。第三,鉴于美国货币政策在全球经济和货币政策中的作用,将消费通胀作为美国通胀代理变量研究美国通胀对各国国家股票指数收益和各地区性股票指数收益的预测能力。从样本内和样本外实证发现美国通胀相比本国通胀和国际通胀对各国股票市场收益具有更强的收益预测能力。多变量回归发现在大多数国家本国特质通胀对本国股票市场总收益甚至没有任何预测能力。从样本内和样本外实证发现美国通胀相比国际通胀对各地区性指数收益具有更强的收益预测能力。在投资者具有均值-方差效用函数框架下,确定性收益等价和夏普比率都表明美国通胀具有更优的资产配置表现。最后利用收益分解发现各通胀预测能力差异主要来源于其蕴含的现金流信息量。本文结论支持Fama的‘代理假设’关于通胀与股票市场收益负关系的解释。第四,从‘价格粘性’角度出发研究通胀对股票收益影响,发现弹性通胀具有强且稳健的收益预测能力.从‘价格粘性’对价格调整影响出发认识到价格持续度低商品价格变动更能反应供需变化,实证证明相应的弹性通胀具有更强的重要宏观变量预测能力。从样本内和样本外对比和评估消费通胀和文献中常见预测变量的股票市场收益预测能力,发现弹性通胀在中短期（月度,季度和半年度）具有比其它变量更强的收益预测能力。另外,弹性通胀对不同特征组合收益也具有更强的预测能力。在均值-方差效用函数框架下,弹性通胀在确定性等价收益和夏普比率测度下相比其它预测变量具有更优异中短期资产配置表现。最后,利用收益分解和横截面现金流预测表明弹性通胀的预测能力主要源于其蕴含的现金流信息。本章结论倾向于支持Fama的‘代理假说’,不过并不能完全排除‘货币幻觉’理论对于通胀与股票市场负收益的解释。总结看,本文从通胀代理变量选取和粘性价格角度研究通胀对股票收益的影响。一方面,本文研究为通胀到底如何以及从什么途径影响股票收益提供实证证据,为建立更加符合实际的资产定价模型提供新思路。另一方面,由于通胀现象本质上是货币现象,本文研究提供货币政策金融后果的侧面证据,为货币政策的制定提供参考。
殷路皓[4]（2019）在《对中国经济增长与通货膨胀的研究与预测 ——基于Sims-Zha先验分布的BVAR模型》文中研究指明关于GDP和CPI的预测一直以来是经济学领域的重要研究课题,无论是在国内或是在国外,许多经济学领域的专家学者对此问题进行了大量研究与深刻讨论。GDP和CPI数据存在多种统计方法,统计年限也有所差异,其中GDP累计增长率数据不平稳,环比增长率数据平稳,这就导致对它们的预测要采取不同的步骤。本文累计增长率数据将采用1995年1月至2018年9月每月的月度的CPI时间序列数据与季度的GDP时间序列数据来展开预测,而环比增长率数据将采用201 1年1月至2018年9月每月的月度的CPI时间序列数据与季度的GDP时间序列数据来展开预测。同时本文对混频数据采用独特的处理方法,以Sims-Zha先验分布的贝叶斯向量自回归模型为基本模型,通过对预测结果的RMSE数值与国际中关于此问题的其他流行模型预测结果的RMSE值进行比较,根据实证可得:当GDP的原始数据不平稳需要进行一阶差分处理时,假设Sims-Zha先验分布的贝叶斯向量自回归模型没有截距项,预测效果比原模型更优,当GDP的原始数据平稳时,则Sims-Zha先验分布的贝叶斯向量自回归模型原模型预测效果更优,有无外生变量对模型预测效果的影响不明显,无外生变量累计同比增长率预测模型的预测效果最优;相比于国际上预测GDP和CPI的其他的主流模型而言,例如BCEI模型、GLP模型、随机游走模型等,Sims-Zha先验分布下的贝叶斯向量自回归模型在GDP上的短期预测效果更精准,在CPI的短期预测上预测效果差于GLP模型,但是优于其他模型;中国未来经济发展状况将是“L”型。
张劲帆,刚健华,钱宗鑫,张龄琰[5]（2018）在《基于混频向量自回归模型的宏观经济预测》文中认为本研究利用中国宏观经济指标构建了基于贝叶斯估计的混合频率向量自回归模型（MF-BVAR）,并对该模型预测中国宏观经济运行情况的效果进行了检验。本文模型在允许多变量、不同频数据共存的条件下提高了模型估计的自由度,从而实现高精度预测。实证结果显示,在对宏观经济管理部门所关注的核心经济变量CPI、RPI和GDP等进行预测时,MF-BVAR模型相对于目前广泛应用的同频向量自回归模型和MIDAS模型,预测精度都有显着改善。本文亦发现房地产投资对于模型预测能力的重要作用,从样本外预测的角度佐证了房地产部门对于中国宏观经济的重要影响。本文也验证了中国股票市场表现不能对预测宏观经济运行提供额外贡献。
张成思[6]（2018）在《中国货币政策预期指导的有效性检验》文中提出预期指导在货币政策传导机制中扮演着重要角色。本文对前瞻性货币政策中预期指导的有效性进行研究,诊断中国央行是否具有预期指导特征,并运用预期指导有效性的量化指标对央行预期指导行为进行检验。实证结果显示,我国货币政策的预期指导具有显着效果。这暗示着预期指导作为提高央行透明度的一种预期管理方式,能够提高货币政策效力并减少市场波动。因此,央行通过加大预期指导的力度和创新指导方式,可以向市场传达更清晰的货币政策信号,以加强前瞻性货币政策效果。
张成思,计兴辰[7]（2017）在《善言为贤:货币政策前瞻性指引的中国实践》文中研究指明尽管前瞻指引货币政策效果在学界仍存争议,但其已成为部分国家央行政策工具箱中一项重要工具。本文对前瞻指引货币政策的基本内涵及政策有效性进行分析,发现我国央行具有隐性前瞻指引特征,随后分别利用几种前瞻指引货币政策有效性度量指标对我国央行前瞻指引行为进行测度。实证结果表明,前瞻指引货币政策的实施产生了显着效果。从实践角度来看,作为提高央行透明度的一种预期管理方式,我国央行所实施的前瞻指引货币政策显示出提高货币政策效力、减少市场波动等诸多政策效应。在此情况下,央行通过加强主动沟通和提高透明度等方法提高对预期的管理效果,提高政策效力;加大指引力度和创新指引方式,可以向市场传达更清晰的货币政策信号,以加强前瞻性货币政策效果。
边瑞恩[8]（2013）在《广东省月度负荷预测建模研究》文中指出电力系统负荷预测指的是统计某个时间段的负荷数据加上原始的调查资料作为依据，从用电量的历史和现状出发，在充分考虑重要的系统运行特性，如电源、负荷的性质，加上人为的增容决策与自然、社会条件影响、地方经济发展的条件下，研究或利用一套实用性较强系统地处理过去与未来负荷的数学方法，在有一定精度要求的前提下，确定某特定时刻的负荷数值。预测负荷不仅为电力生产部门和管理部门制订生产计划和发展规划提供依据，更是提供未来各供电地区电量数据指标。随着新理论和新技术的发展，国内外针对电力负荷预测问题的研究仍在不断深入地进行，但与短期负荷预测相比，中长期负荷预测方面的研究相对不足，难度也相应较大。广东作为中国经济强省，近20年来其经济总量居全国第一，全社会用电量也迅速增长，其GDP变化情况与全社会用电量趋势基本一致，经济变化对于中长期负荷变化的影响也越发明显，经济因子理应在负荷预测中得到体现。而目前所见到和运用广泛的月度负荷预测方法大致分为两类：一类是纯粹按照月度量的年度发展序列构成的预测方法；另一类是利用相似月度量的发展序列构成的预测方法。这两大类都是基于历史数据的分析，得到纯粹的月度电量历史增长规律，从而进行预测。这在经济增长十分平顺的阶段是十分准确的。但是，当遭遇如同2008年以及2010年的经济增速变化较大，用电量增速突变时，这两类方法都容易出现极大的误差。本文提出将经济层面的因素引入月度负荷预测。通过计量经济学理论，对广东省电力增长与经济增长的关系进行研究，建立时间序列平稳性检验、因果关系检验和OLS估计模型，定量经济增长对电力增长的影响程度。再建立引入经济影响因子的多元线性回归模型进行预测，最后通过移位修正方法解决1月和2月负荷预测的特殊问题，得到宏观经济运行下广东电网月度负荷预测模型。本文最后建立仿真实例，将以上模型应用于广东省电力系统月度负荷预测中，并与实际负荷进行比较。实例结果表明，引入经济因素的模型都在一定程度上保证预测精度，具有更好的可靠性，对月度负荷预测具有一定的指导意义。
刘汉[9]（2013）在《中国宏观经济混频数据模型的研究与应用》文中研究说明宏观经济时间序列中有诸多能反映当前经济状态和未来经济走势的时间序列数据，如：季度GDP数据、月度CPI和PPI数据、金融市场收益的日数据、股票市场波动的日内数据等等。这些数据受到经济个体、企业、组织和国家，甚至是国际社会的广泛关注，人们试图使用不同的数据处理方法和构建各种模型从这些纷繁复杂的数据中攫取信息，用于模型的估计与预测，并将其作为储蓄、投资和决策等经济行为的基础和重要参考。时间序列数据纷繁复杂，数据长度、抽样频率，以及数据属性都不尽相同，而目前时间序列模型基本上都采用相同频率的数据，如果数据频率不同，有的研究采用加总或替代的方法将高频数据处理为低频数据，有的采用插值法将低频数据处理为高频数据，经过这些预先处理过的数据才能应用到传统的时间序列模型中。然而，高频数据加总为低频数据时，忽视了高频数据中部分样本信息，抹杀了高频数据的波动，在一定程度上人为地减少了样本信息；而低频数据插值所得到的高频数据有人为构造的痕迹，且很多插值方法均是纯数学方法，缺乏经济理论的支撑。在实际应用中，大部分研究都采用加总或替代的方法将高频数据处理为低频数据，仅有少部分由于模型的需要，数据短缺等因素才采用插值等方法将低频数据处理为高频数据。如果能有一种模型能直接利用不同频率的数据，上述问题就迎刃而解，正是在这种情形下，混频数据模型应运而生。随着各种不同频率时间数据的累积，科学计算技术的发展，混频数据模型的构建，不同频率时间序列的模型开始发展起来，受到越来越多的关注，并被广泛应用，如利用混频数据模型改进预测模型的预测精度和预测的时效性，利用混频数据与其他高级计量方法结合，一方面可以改善模型估计的精度，另一方面还可以对比分析混频数据模型的应用是否对传统模型有所改进。因此，在实证研究中如果使用的数据存在频率不一致的情况时，都应该尽可能地采用混频数据模型来进行实证研究。本文围绕着混频数据模型在我国宏观经济中的应用展开一系列的研究，一方面集中于混频数据模型在我国宏观经济预测中的应用，包括混频数据预测模型的应用与比较分析，混频数据预测模型的有效性和预测结果评价等问题；另一方面关注混频数据模型与计量经济模型的结合，主要包括因子混频数据模型、协整混频数据模型、马尔可夫转移混频数据模型、混频向量自回归模型等。本文从混频数据模型的构建、估计和预测来阐述其研究与应用，具体分成如下几个部分：第一，混频数据抽样（MIDAS）模型有效性与预测精确性的初步分析。第3章通过对混频数据模型的介绍，构建我国宏观经济总量实时预报与短期预测的MIDAS模型，并利用我国宏观经济数据深入探讨一元MIDAS模型中高频数据滞后阶数、预测步长，以及自回归阶数的选择问题，随后利用最优参数选择结果构建多元MIDAS模型对我国宏观经济总量的进行实时预报和短期预测，结果显示混频数据模型能够攫取高频解释变量的信息，相比同频（同高频或同低频）数据模型，具有显着的比较优势，体现了混频数据模型在我国宏观经济应用中的有效性和适用性。第二，混频向量自回归（MF-VAR）模型有效性和预测精确性的比较分析。第4章的MF-VAR模型传承了VAR模型能够系统地动态反映变量间相互关系的优点，并利用卡尔曼滤波的方法对模型进行估计和预测。同时，考虑到我国宏观经济数据越来越丰富，经济运行越来越复杂，仅凭单个或几个经济变量来预测和预报宏观经济走势是远远不够的。因此，文中采用大量月度指标对MF-VAR模型进行比较分析，并与MIDAS模型的结果进行对比分析。实证结果表明MF-VAR模型结合单个不同变量的预测效果存在差异，但组合预测结果显示MF-VAR模型对我国实际GDP增长率的实时预报和短期预测总体上来说是有效且适用的；而与MIDAS模型的对比分析显示MF-VAR类模型在较长期的预测效果较好，MIDAS模型在较短期的预测效果较好，因此可以将两类混频数据模型结合起来为中国实际GDP提供更加精准的实时预报和短期预测结果。第三，结合大量高频数据的因子混频数据模型的有效性和精确性分析。第5章在第4章的基础上，采用因子模型从大量与宏观经济总量相关的经济数据中萃取能代表宏观经济运行的因子，并分别结合MIDAS模型和MF-VAR模型对我国宏观经济总量进行实时预报和短期预测，然后将这两种混频数据模型的预测结果进行对比分析。实证结果表明：上述两种结合大量月度指标的因子模型的预测结果相比传统自回归模型具有比较优势，用于我国宏观经济预测和预报是适用且有效的，且两种混频数据模型的对比分析显示，两种模型中不存在具有绝对优势的模型。但总体上来说，MIDAS模型在实时预报和较短期的预测中具有比较优势，而MF-VAR模型在较长期的预测中效果相对较好。第四，刻画长期均衡与短期波动的协整混频数据（CoMIDAS）模型的分析与预测。针对差分平稳序列建模过程中出现数据信息损失，且无法获得长期均衡协整关系的问题，第6章利用CoMIDAS模型分析产出和货币之间长期协整关系的同时，给出了短期月度货币供给变化对年度产出变化的影响，实证结果表明我国货币与产出之间存在长期均衡关系，即货币非中性，且短期货币供给的变化也是产出波动的重要原因。第五，监测经济周期运行与测度经济周期转变的马尔可夫转移混频数据（MS-MIDAS）模型的研究与应用。考虑到我国宏观经济变量间存在非平稳和非线性关系，简单混频数据模型无法刻画我国这种发展中、转型中的经济变量之间的内在关系，第7章将混频数据与非线性马尔可夫转移模型进行融合，来刻画我国宏观经济运行中复杂的非线性和非平稳关系。MS-MIDAS模型除了沿袭传统马尔可夫转移模型能够刻画均值和方差区制变化的特点外，还能测度出随着市场条件与经济周期阶段的不同，高频数据对低频数据预测能力的变化，能够更加精准地进行实时预报与短期预测，其实证结果也表明利用该模型可以对经济周期转折点和经济周期所处阶段的概率的实时预报进行精确的刻画。第六，分析我国供需冲击影响的贝叶斯混频向量自回归（BMF-VAR）模型。第8章将贝叶斯方法应用到混频VAR模型中，在月度层面上对我国供需冲击及其作用效果进行了实证研究，结果显示我国供需冲击在不同时期的作用方式和效果不尽相同，而供需冲击对产出和通胀的实证结果表明我国产出主要受供给因素的影响，通胀主要受需求因素的影响。总之，本文在研究混频数据模型基础理论和估计方法的基础上，使用宏观经济变量的混频数据模型，对我国宏观经济总量指标进行实时预报与短期预测，并结合非线性和大量数据的建模技术，构建非线性和因子混频计量模型对我国经济周期、货币政策和供需冲击等重要的宏观经济理论和规律进行实证分析与研究。
李奇昤[10]（2012）在《中国房产市场预警系统研究》文中进行了进一步梳理2008年，对绝大部分人来说毫无预警的房地产次贷危机引发了美国的经济危机，不仅使世界第一大经济体---美国的经济大厦飘摇动荡，也对包括中国在内的全球经济造成了巨大冲击，房地产风险对经济造成的惊心动魄的危害由此可见一斑。随着房地产业对中国经济快速增长影响和作用的增加，中国房地产市场尤其是房产市场的稳定发展越来越受到社会各界广泛关注，更为中央政府所重视。中国政府出台了一系列稳定房价的政策，但大部分的稳定政策同步或滞后于现实房产市场出现的变化和问题，使政策的效能大打折扣。反复出现这种现象的最大原因之一就是没有能够有效预测未来房产市场风险的预警系统。已有一些中国学者采用多种方法试图建立中国房产市场或房地产市场的预警系统，但至今不仅鲜有被广泛接受的房产市场预警系统，而且已有研究中大部分都侧重于建立区域性的房产市场预警系统。因此，本文采用到目前为止在中国尚没有研究者采用的方法，即信号分析法和Probit模型，建立了中国全国性的房产市场预警系统。本文基于信号分析法与Probit模型，使用从1999年第一季度至2010年第三季度的宏观经济变量和房地产市场变量构建了中国房产市场预警系统，并对其预测能力进行了检验。本文共由六章构成：第一章，为绪论；第二章，介绍了有关房产价格决定模型、房产价格与宏观经济的关联性；第三章，通过相关关系分析法和Granger因果关系检验，分析了房产价格与宏观经济因素、微观经济因素之间的关系；第四章，采用Granger因果关系、VECM模型的脉冲响应函数分析和方差分解分析，研究了中国三种房产价格指数之间的关系和互相影响趋势；第五章，通过VAR模型分析了影响房产价格的宏观经济因素和房地产市场因素；第六章，以前几章的分析结果为参考，基于信号分析法与Probit模型建立了中国房产市场预警系统，并对其预测能力进行了检验。与之前的有关房产市场预警系统的大部分的研究只进行样本内预测不同，本文的第六章在基于信号分析法和Probit模型建立了符合中国国情的房产市场预警系统后，不仅检验预警系统对过去风险期间的预测和反应能力，即进行样本内预测检验（In Sample Forecast Test），而且进行了样本外预测检验（Out of Sample Forecast Test）。样本内预测检验结果显示，信号分析法的房产市场预警系统在风险发生一年之前的预测能力达到93%，而Probit模型的房产市场预警系统在风险发生一年之前的预测能达到88.3%。样本外预测检验结果显示，信号分析法的房产市场预警系统在风险发生一年之前的预测能力达到90%，而Probit模型的房产市场预警系统在风险发生一年之前的预测能达到80%。因为中国房产市场的历史较短，可用数据有限，因此虽然本文所构建的房产市场预警系统检验预测能力很高，对尚难确定对未来可能发生的市场的风险是否会也具有如此高的预测能力，还需要随时间推移继续观察房产市场的变化而适当调整预警系统的预警指标、临界值、权重等内容。但是，因为本文构建房产市场预警系统和检验其预测能力时，在方法上和过程中没有逻辑错误和伪造，笔者认为可以期待本文所构建的基于信号分析法与Probit模型的房产市场预警系统作为中国全国范围的房产市场预警系统可以发挥良好的作用，为政府采取先行的房产市场稳定化政策、防范市场风险提供科学依据。
二、2001年经济运行情况及2002年一季度预测（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、2001年经济运行情况及2002年一季度预测（论文提纲范文）
（1）主要经济体流动性管理对我国经济的溢出效应研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题的现实背景 |
| 1.1.2 选题的理论背景 |
| 1.1.3 研究意义 |
| 1.2 研究内容与方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 结构安排与论文框架图 |
| 1.3.1 结构安排 |
| 1.3.2 论文框架图 |
| 1.4 创新与不足 |
| 1.4.1 创新点 |
| 1.4.2 不足之处 |
| 2 文献回顾与评价 |
| 2.1 流动性管理的国际溢出效应传导机制研究 |
| 2.1.1 流动性溢出效应传导机制的早期研究 |
| 2.1.2 常规货币政策国际溢出效应的传导机制 |
| 2.1.3 量化宽松政策国际流动性溢出效应传导机制 |
| 2.2 流动性管理的国际溢出效应实证研究 |
| 2.2.1 流动性管理的宏观溢出效应 |
| 2.2.2 流动性管理的产业溢出效应 |
| 2.2.3 流动性管理的金融溢出效应 |
| 2.3 主要经济体流动性管理对中国经济的溢出效应研究 |
| 2.4 小结与评述 |
| 3 三次金融危机与主要经济体流动性管理的历史考察 |
| 3.1 互联网泡沫危机与流动性管理 |
| 3.1.1 互联网泡沫膨胀与破裂 |
| 3.1.2 互联网泡沫破裂前的流动性状况 |
| 3.1.3 互联网泡沫危机中的流动性管理 |
| 3.2 美国次贷危机与流动性管理 |
| 3.2.1 美国次贷危机与大衰退 |
| 3.2.2 美国次贷危机爆发前的流动性状况 |
| 3.2.3 美国次贷危机与“大衰退”中的流动性管理 |
| 3.3 欧洲债务危机与流动性管理 |
| 3.3.1 欧洲债务危机的形成与蔓延 |
| 3.3.2 欧洲主权债务危机中的流动性管理 |
| 3.4 本章小结 |
| 4 主要经济体流动性管理对我国宏观经济的溢出效应 |
| 4.1 GPM分析框架概述、特征与发展现状 |
| 4.1.1 GPM分析框架概述与全球化应用 |
| 4.1.2 GPM分析框架的特征与优势 |
| 4.2 GPM-4模型设置 |
| 4.2.1 稳态水平的随机过程的设定 |
| 4.2.2 G3经济体的行为方程设定 |
| 4.2.3 中国经济行为方程的设定 |
| 4.3 GPM-4模型的参数校准与贝叶斯估计 |
| 4.3.1 参数估计方法的选择 |
| 4.3.2 样本与数据 |
| 4.3.3 参数校准与先验分布设定 |
| 4.3.4 贝叶斯估计结果 |
| 4.4 主要经济体流动性管理对中国宏观经济变量影响的模拟 |
| 4.4.1 主要经济体流动性管理及中国关键宏观经济变量界定 |
| 4.4.2 数值模拟分析 |
| 4.4.3 方差分解分析 |
| 4.4.4 结果讨论 |
| 4.5 本章小结 |
| 5 主要经济体流动性管理对我国产业活动的溢出效应 |
| 5.1 模型概述与样本选择 |
| 5.1.1 FAVAR模型概述 |
| 5.1.2 FAVAR模型的适用性分析 |
| 5.1.3 样本选择 |
| 5.2 指标选取与因子处理 |
| 5.2.1 主要经济体流动性指标 |
| 5.2.2 工业活动指标 |
| 5.2.3 农业活动指标 |
| 5.2.4 房地产业活动指标 |
| 5.2.5 消费品零售业活动指标 |
| 5.2.6 对外贸易活动指标 |
| 5.2.7 外商直接投资活动指标 |
| 5.3 实证检验 |
| 5.3.1 单位根检验与滞后阶数选择 |
| 5.3.2 脉冲响应分析 |
| 5.3.3 方差分解分析 |
| 5.3.4 稳健性检验 |
| 5.4 主要经济体流动性传导机制的检验 |
| 5.5 本章小结 |
| 6 主要经济体流动性管理对我国金融市场的溢出效应 |
| 6.1 GVAR模型概述 |
| 6.1.1 GVAR模型简介与发展 |
| 6.1.2 GVAR模型基准框架 |
| 6.1.3 GVAR模型估计与求解方法 |
| 6.2 主要经济体GVAR模型构建、样本选择与数据处理 |
| 6.2.1 主要经济体GVAR模型的构建 |
| 6.2.2 样本选择与数据处理 |
| 6.3 基于GVAR模型的实证分析 |
| 6.3.1 GVAR模型相关检验 |
| 6.3.2 广义脉冲响应分析 |
| 6.3.3 广义方差分解分析 |
| 6.3.4 基于GVAR模型的反事实分析 |
| 6.4 本章小结 |
| 7 研究结论与政策建议 |
| 7.1 研究结论 |
| 7.2 政策建议 |
| 在学期间发表的科研成果 |
| 附录 |
| 参考文献 |
| 后记 |
（2）中国CPI运行规律分析及预测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 文献综述 |
| 1.2.1 CPI波动与经济增长的相关研究 |
| 1.2.2 CPI的预测研究 |
| 1.2.3 文献综述总结 |
| 1.3 研究思路与逻辑结构 |
| 1.3.1 研究思路 |
| 1.3.2 结构安排 |
| 1.4 创新与不足之处 |
| 第2章 理论基础与模型 |
| 2.1 CPI相关理论 |
| 2.1.1 基本概念 |
| 2.1.2 基础理论 |
| 2.2 ARIMA模型 |
| 2.2.1 模型设定 |
| 2.2.2 模型估计和拟合 |
| 2.3 经验模态分解(EMD) |
| 2.3.1 原理和性质 |
| 2.3.2 计算方法 |
| 2.4 偏最小二乘回归 |
| 2.4.1 基本思路 |
| 2.4.2 计算程序 |
| 第3章 中国CPI的实证研究 |
| 3.1 CPI传统计量分析 |
| 3.1.1 定基CPI的回归分析 |
| 3.1.2 环比CPI的 ARMA分析 |
| 3.1.3 小结 |
| 3.2 环比CPI的经验模态分解 |
| 3.2.1 EMD分解 |
| 3.2.2 EMD分量的分析 |
| 3.2.3 结论 |
| 3.3 环比CPI和各产业增长的关系:偏回归分析 |
| 3.3.1 数据收集与整理 |
| 3.3.2 传统回归分析 |
| 3.3.3 偏最小二乘回归分析 |
| 第4 章.CPI的预测方法研究 |
| 4.1 环比CPI的季度预测 |
| 4.1.1 结合偏回归的环比CPI预测 |
| 4.1.2 环比CPI的预测效果检验 |
| 4.2 环比CPI的长期月度预测 |
| 4.2.1 EMD分解和分量计算 |
| 4.2.2 环比CPI的长期预测 |
| 4.3 结论 |
| 第5章 结论和建议 |
| 参考文献 |
| 附录 |
| 附录 A 中国2001年1 月-2018年10 月的定基CPI和环比CPI |
| 附录 B 2001 年第1 季度-2018 年第3 季度环比CPI的 EMD分解结果 |
| 附录 C 短期分量mathematica傅里叶周期分析程序 |
| 附录 D 2001第1 季度-2018第3 季度中国各产业累计GDP同比变化率 |
| 附录 E 2001第1 季度-2018第3 季度中国环比CPI各分量数据 |
| 附录 F 偏回归分析MATLAB程序 |
| 附录 G 2001年1 月-2018年9 月环比CPI的分量数据 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（3）通货膨胀对股票收益影响的实证研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究内容 |
| 1.4 研究创新 |
| 第2章 理论基础和文献综述 |
| 2.1 理论基础 |
| 2.1.1 通胀非中性下资产定价模型 |
| 2.1.2 考虑‘货币幻觉’的资产定价模型 |
| 2.1.3 考虑价格粘性的资产定价模型 |
| 2.1.4 实证资产定价的横截面方法 |
| 2.2 文献综述 |
| 2.2.1 股票收益预测 |
| 2.2.2 实证资产定价 |
| 第3章 消费通胀与股票收益预测研究 |
| 3.1 引言 |
| 3.2 数据 |
| 3.3 预测回归分析 |
| 3.3.1 样本内检验 |
| 3.3.2 样本外检验 |
| 3.3.3 不同特征组合收益预测 |
| 3.3.4 鲁棒性 |
| 3.4 资产配置 |
| 3.5 经济解释 |
| 3.5.1 收益分解 |
| 3.5.2 横截面现金流信息 |
| 3.5.3 波动率预测 |
| 3.6 本章小结 |
| 第4章 通胀风险对股票横截面收益的影响研究 |
| 4.1 问题提出 |
| 4.2 实证策略与实证结果 |
| 4.3 稳健性 |
| 4.3.1 蒙特卡洛模拟 |
| 4.3.2 通胀因子估计稳健性 |
| 4.3.3 宏观资产定价基准模型 |
| 4.3.4 测试资产稳健性 |
| 4.3.5 模拟因子组合 |
| 4.4 本章小结 |
| 第5章 美国通胀对国际股票市场收益影响研究 |
| 5.1 问题提出 |
| 5.2 数据 |
| 5.3 预测回归分析 |
| 5.3.1 样本内回归 |
| 5.3.2 样本外预测 |
| 5.3.3 稳健性 |
| 5.4 资产配置 |
| 5.5 经济解释 |
| 5.6 本章小结 |
| 第6章 弹性通胀与股票收益预测研究 |
| 6.1 引言 |
| 6.2 数据 |
| 6.3 预测回归分析 |
| 6.3.1 样本内检验 |
| 6.3.2 样本外检验 |
| 6.3.3 不同特征组合收益预测 |
| 6.4 资产配置 |
| 6.5 稳健性 |
| 6.5.1 持续性和结构突变 |
| 6.5.2 非耐用品价格变化预测能力 |
| 6.6 经济解释 |
| 6.6.1 收益分解 |
| 6.6.2 横截面现金流信息 |
| 6.7 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 发表论文和参加科研情况说明 |
| 附录B 经济变量详细定义 |
| 附录C 固定原始自助法 |
| 附录D 超额确定性等价收益块自助法 |
| 附录E 超额夏普比率块自助法 |
（4）对中国经济增长与通货膨胀的研究与预测 ——基于Sims-Zha先验分布的BVAR模型（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 序论 |
| 1.1 选题背景与意义 |
| 1.2 研究内容与创新 |
| 第二章 文献综述 |
| 2.1 研究经济增长和通胀的主流模型 |
| 2.2 贝叶斯向量自回归模型的发展 |
| 2.3 处理混合频率数据的VAR模型 |
| 2.4 关于中国经济走势的研究 |
| 2.5 模型外其他角度对经济预测的探索 |
| 2.6 文献评述 |
| 第三章 方法论 |
| 3.1 基准模型的介绍 |
| 3.2 条件预测 |
| 第四章 实证研究 |
| 4.1 数据的获取与处理 |
| 4.2 Sims-Zha先验分布下BVAR模型的拟合与预测 |
| 4.2.1 无外生变量累计同比增长率预测模型(模型一) |
| 4.2.2 无外生变量环比增长率预测模型(模型二) |
| 4.2.3 含外生变量累计同比增长率预测模型(模型三) |
| 4.2.4 含外生变量环比增长率预测模型(模型四) |
| 4.3 模型预测优度的判别 |
| 第五章 结论 |
| 参考文献 |
| 致谢 |
（6）中国货币政策预期指导的有效性检验（论文提纲范文）
| 一、引言 |
| 二、预期指导的识别 |
| (一) 信号传递标准 |
| (二) 走势一致标准 |
| 三、定性型预期指导的有效性检验 |
| (一) 检验逻辑 |
| (二) 数据说明 |
| (三) 统计分析 |
| 1. 政策趋紧 |
| 2. 政策宽松 |
| 3. 政策稳定 |
| 4. 其他情况 |
| 四、定量型预期指导的有效性检验 |
| (一) 检验逻辑 |
| (二) 央行可信度检验 |
| (三) 个体间预期差异的检验 |
| (四) 预测精确度的检验 |
| (五) 利率传导机制检验 |
| 五、结论 |
（7）善言为贤:货币政策前瞻性指引的中国实践（论文提纲范文）
| 引言 |
| 一、文献综述 |
| 二、前瞻指引的识别 |
| 1.信号传递标准 |
| 2.走势一致标准 |
| 三、定性型前瞻指引政策的有效性分析 |
| (一) 检验逻辑 |
| (二) 数据说明 |
| (三) 统计分析 |
| 1. 政策趋紧 |
| 2. 政策宽松 |
| 3. 政策稳定 |
| 4. 其他情况 |
| 四、定量型前瞻指引政策的有效性分析 |
| (一) 检验逻辑 |
| (二) 央行可信度检验 |
| (三) 个体间预期差异的检验 |
| (四) 预测精确度的检验 |
| (五) 利率传导机制检验 |
| 五、主要结论和政策含义 |
（8）广东省月度负荷预测建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 电力系统负荷预测概述 |
| 1.2.1 负荷预测的分类 |
| 1.2.2 负荷预测的方法 |
| 1.3 电力系统月度负荷预测研究现状 |
| 1.4 广东省宏观经济走势与用电量增长对比分析 |
| 1.4.1 广东省经济发展概况 |
| 1.4.2 广东省用电量增长概况 |
| 1.4.3 广东省宏观经济走势与电量增长关系分析 |
| 1.5 本文的主要研究内容 |
| 第二章 广东省电力经济关系研究 |
| 2.1 广东省电力经济关系研究模型的选择 |
| 2.2 广东省电力经济关系建模 |
| 2.2.1 时间序列平稳性检验 |
| 2.2.2 协整关系 |
| 2.2.3 Granger 因果关系检验 |
| 2.2.4 回归模型的 OLS 估计 |
| 2.3 广东省电力经济关系建模软件介绍 |
| 2.4 广东省电力经济关系研究 |
| 2.4.1 广东省产业结构分析 |
| 2.4.2 广东省用电量结构分析 |
| 2.4.3 各产业用电量与各产业经济关系研究 |
| 2.5 本章小结 |
| 第三章 广东省月度负荷预测模型 |
| 3.1 引言 |
| 3.2 广东省月度负荷预测建模 |
| 3.2.1 广东省电力经济关系模型 |
| 3.2.2 广东省季度电量多元线性回归模型 |
| 3.2.3 广东省月度电量配比模型 |
| 3.3 本章小结 |
| 第四章 广东省月度负荷预测实例 |
| 4.1 预测实例 |
| 4.2 预测电量偏差分析 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（9）中国宏观经济混频数据模型的研究与应用（论文提纲范文）
| 摘要 Abstract 第1章 绪论 |
| 1.1 论文研究的背景 |
| 1.1.1 模型估计和预测的需求 |
| 1.1.2 统计数据的累积与发展 |
| 1.1.3 模型的创新与计算技术的发展 |
| 1.2 问题的提出与研究的意义 |
| 1.2.1 问题的提出 |
| 1.2.2 研究意义 |
| 1.3 相关领域的国内外研究现状 |
| 1.3.1 混频数据转换 |
| 1.3.2 分布滞后模型 |
| 1.3.3 混频数据模型 |
| 1.4 论文的主要创新与结构安排 |
| 1.4.1 本文的主要创新 |
| 1.4.2 论文的结构与内容 第2章 混频数据模型及其估计方法 |
| 2.1 MIDAS 回归模型 |
| 2.1.1 基础 MIDAS 回归模型 |
| 2.1.2 MIDAS 回归模型的扩展 |
| 2.2 非线性 MIDAS 模型 |
| 2.2.1 结合非线性计量模型的非线性 MIDAS 模型 |
| 2.2.2 其他类别的非线性 MIDAS 模型 |
| 2.3 混频向量自回归模型 |
| 2.3.1 MF-VAR 模型 |
| 2.3.2 结合因子模型的 MF-VAR 模型 |
| 2.3.3 BMF-VAR 模型 第3章 中国宏观经济总量的实时预报与短期预测 |
| 3.1 MIDAS 预测模型简介 |
| 3.1.1 基础的 MIDAS(m, K) 模型 |
| 3.1.2 h 步向前预测的 MIDAS(m, K, h) 模型 |
| 3.1.3 h 步向前预测的 MIDAS(m, K, h)-AR(p) 模型 |
| 3.1.4 多元混频数据预测模型 |
| 3.2 MIDAS 预测模型对我国宏观经济总量预测的实证研究 |
| 3.2.1 基准模型和混频数据描述 |
| 3.2.2 单变量 MIDAS 预测模型的估计和预测 |
| 3.2.3 多变量 MIDAS 预测模型的估计和预测 |
| 3.3 中国宏观经济总量实时预报和短期预测的经验结论与展望 第4章 MF-VAR 模型的应用与比较研究 |
| 4.1 混频向量自回归预测模型 |
| 4.1.1 MF-VAR 模型简介 |
| 4.1.2 MF-VAR 模型的状态空间表示 |
| 4.1.3 MF-VAR 模型的估计和预测方法 |
| 4.2 基于大量月度指标的 MF-VAR 预测模型的实证研究 |
| 4.2.1 指标的选取与数据的处理 |
| 4.2.2 MF-VAR 模型结合景气指数的实时预报和短期预测 |
| 4.2.3 大量月度指标预测实际 GDP 增长率中的比较分析 |
| 4.2.4 MF-VAR 模型对 GDP 增长率的组合预测 |
| 4.3 两类混频数据预测模型的比较研究 |
| 4.3.1 MIDAS 和 MF-VAR 模型对实际 GDP 增长率的实时预报和短期预测 |
| 4.3.2 MIDAS 和 MF-VAR 模型对实际 GDP 增长率的组合预测 |
| 4.3.3 两类混频数据模型比较分析的结论与政策启示 第5章 因子混频数据模型的研究与应用 |
| 5.1 结合单频静态因子模型的混频数据预测模型 |
| 5.1.1 单频静态月度因子模型 |
| 5.1.2 结合因子变量的 MF-VAR 类模型 |
| 5.1.3 结合因子变量的 MIDAS 类模型 |
| 5.2 结合单频因子的混频数据预测模型的实证研究 |
| 5.2.1 变量选取与数据说明 |
| 5.2.2 因子个数的确定与单频因子模型的估计 |
| 5.2.3 结合单频因子模型的混频数据的有效性和适用性分析 |
| 5.2.4 实际 GDP 增长率的实时预报和短期预测 |
| 5.3 结合单频因子模型的混频数据预测模型的结论与展望 第6章 中国货币—产出的混频协整分析 |
| 6.1 货币—产出研究的文献回顾 |
| 6.1.1 货币政策的有效性 |
| 6.1.2 货币政策的非对称性 |
| 6.2 协整混频数据抽样模型简介 |
| 6.2.1 CoMIDAS 的基本形式 |
| 6.2.2 CoMIDAS 模型的估计方法 |
| 6.3 货币—产出混频协整分析 |
| 6.3.1 变量选择与同频数据分析 |
| 6.3.2 货币—产出的混频协整分析与检验 |
| 6.4 货币—产出协整混频数据模型的经验结论与政策建议 第7章 中国经济周期的区制混频监测 |
| 7.1 MS-MIDAS 模型 |
| 7.1.1 MS-MIDAS 预测模型 |
| 7.1.2 模型的估计和选择 |
| 7.1.3 区制选择与判断 |
| 7.2 MS-MIDAS 模型实时监测的实证研究 |
| 7.2.1 模型的估计与筛选 |
| 7.2.2 MSIH(2)-MIDAS 模型递归伪实时预报和监测 |
| 7.2.3 MS-MIDAS 模型构建经济周期转变指数 |
| 7.3 MS-MIDAS 模型实时监测的结论与展望 第8章 中国供需冲击的贝叶斯混频研究 |
| 8.1 宏观经济波动中的供需冲击理论 |
| 8.1.1 供需冲击的研究现状 |
| 8.1.2 供需冲击理论的政策启示 |
| 8.2 贝叶斯混频数据模型的简介 |
| 8.2.1 混频向量自回归模型简介 |
| 8.2.2 混频向量自回归模型的贝叶斯估计 |
| 8.2.3 BMF-VAR 模型与其他模型的比较分析 |
| 8.3 供需冲击的贝叶斯混频实证研究 |
| 8.3.1 样本选取与数据说明 |
| 8.3.2 BMF-VAR(1) 模型的比较分析 |
| 8.3.3 我国供需冲击的 BMF-SVAR 分析 |
| 8.4 供需驱动理论贝叶斯混频计量分析的结论与展望 结论 参考文献 攻读学位期间发表的学术论文及取得的科研成果 后记 |
（10）中国房产市场预警系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 选题的来源及其理论、实践意义 |
| 一、 选题的来源 |
| 二、 选题的理论意义 |
| 三、 选题的实践意义 |
| 第二节 国内外研究现状及主要中外文参考文献 |
| 一、 国外学者的研究 |
| 二、 国内学者的研究 |
| 第三节 研究的范围、方法和主要内容 |
| 一、 研究范围和方法 |
| 二、 研究的主要内容 |
| 第四节 本文的创新点和不足之处 |
| 一、 本文的创新点 |
| 二、 本文的不足之处 |
| 第二章 房产价格的形成机制 |
| 第一节 房产价格特点与形成因素 |
| 一、 房产价格的特点 |
| 二、 房产价格形成的影响因素 |
| 第二节 房产价格决定理论 |
| 一、 市场基本价值和一般均衡下的理论 |
| 二、 泡沫价格理论 |
| 第三节 房产市场与宏观经济的关系 |
| 一、 宏观经济对房产价格的影响 |
| 二、 房产市场对宏观经济的影响 |
| 第四节 房地产市场经济周期 |
| 一、 一般经济周期理论 |
| 二、 房地产市场经济周期理论 |
| 第三章 房产价格与宏观微观经济因素之间的关系 |
| 第一节 房产价格与一些宏观经济因素之间的关系 |
| 一、 相关关系分析结果 |
| 二、 Granger因果关系分析 |
| 第二节 房产价格与所选取的微观经济因素之间的关系 |
| 一、 相关关系分析 |
| 二、 Granger因果关系分析 |
| 第三节 小结 |
| 第四章 房产价格指数之间的关系 |
| 第一节 资料来源 |
| 第二节 单位根检验 |
| 第三节 Granger因果关系分析 |
| 第四节 协整关系检验 |
| 第五节 VECM模型分析 |
| 一、 估计系数 |
| 二、 脉冲响应函数分析 |
| 三、 方差分解分析 |
| 第六节 小结 |
| 第五章 房产价格影响因素分析 |
| 第一节 宏观经济因素中房产价格影响因素 |
| 一、 金融危机发生之前（1999年第一季度至2008年第二季度） |
| 二、 包括金融危机以后的期间（1999年第一季度至2010年第三季度） |
| 第二节 房地产市场因素中房价影响因素 |
| 一、 金融危机之前为期间（1999年第一季度至2008年第二季度） |
| 二、 包括金融危机以后的期间（1999年第一季度至2010年第三季度） |
| 第三节 小结 |
| 第六章 中国房产市场的预警系统建立 |
| 第一节 构建房地产预警系统的理论背景 |
| 一、 风险的定义 |
| 二、 信号分析法 |
| 三、 Probit 模型 |
| 第二节 基于信号分析法建立中国房产市场预警模型 |
| 一、 问卷调查 |
| 二、 风险期间的决定 |
| 三、 建立房产市场压力指数（ Housing Market Pressure Index，HMPI ） |
| 四、 选取先行指标 |
| 五、 风险综合指数（HMCCI）的构建 |
| 六、 风险发生的条件概率 |
| 七、 基于信号分析法的构建的风险预警系统预测能力 |
| 第三节 基于PROBIT模型构建中国房产市场的预警系统 |
| 一、 风险期间的确定 |
| 二、 模型的设计 |
| 三、 先行指标的选取 |
| 四、 风险发生的条件概率 |
| 五、 基于Probit模型构建的风险预警系统的预测能力 |
| 第四节 房产市场预警模型的实践运用 |
| 一、 样本外预测（Out of Sample Forecast） |
| 二、 以信号分析法构建的房产市场预警系统的样本外预测 |
| 三、 以Probit模型构建的房产市场预警系统的样本外预测 |
| 第五节 小结 |
| 结论 |
| 参考文献 |
| 西方学者文献 |
| 中国学者参考文献 |
| 韩国学者参考文献 |
| 致谢 |
| 在学期间学术成果情况 |
四、2001年经济运行情况及2002年一季度预测（论文参考文献）
- [1]主要经济体流动性管理对我国经济的溢出效应研究[D]. 王珏帅. 东北财经大学, 2019(06)
- [2]中国CPI运行规律分析及预测研究[D]. 闵林. 首都经济贸易大学, 2019(07)
- [3]通货膨胀对股票收益影响的实证研究[D]. 肖时松. 湖南大学, 2019
- [4]对中国经济增长与通货膨胀的研究与预测 ——基于Sims-Zha先验分布的BVAR模型[D]. 殷路皓. 厦门大学, 2019(08)
- [5]基于混频向量自回归模型的宏观经济预测[J]. 张劲帆,刚健华,钱宗鑫,张龄琰. 金融研究, 2018(07)
- [6]中国货币政策预期指导的有效性检验[J]. 张成思. 新金融评论, 2018(02)
- [7]善言为贤:货币政策前瞻性指引的中国实践[J]. 张成思,计兴辰. 国际金融研究, 2017(12)
- [8]广东省月度负荷预测建模研究[D]. 边瑞恩. 华南理工大学, 2013(05)
- [9]中国宏观经济混频数据模型的研究与应用[D]. 刘汉. 吉林大学, 2013(08)
- [10]中国房产市场预警系统研究[D]. 李奇昤. 中国社会科学院研究生院, 2012(12)