一、VaR模型的计算及应用（论文文献综述）
王泽全[1]（2021）在《VaR模型在证券投资中的运用》文中提出随着我国经济的高速发展和人民生活水平的日益提高,证券投资逐渐成为影响和决定人们生活的重要方面。Va R模型不过于依赖报表分析,时效性较强,分析结果较为直观,已被很多成熟的金融机构视为行业中衡量风险的一种标准。论文研究分析了Va R模型和证券市场的关系,旨在使Va R模型在证券投资中得到有效运用。
刘思源[2]（2021）在《陕北农牧交错带沙地农业利用规模的水资源调控研究》文中指出陕北农牧交错带位于毛乌素沙地东向黄土高原的过渡地带,该地区农牧业交错演替,具有明显的交错过渡性、生态环境脆弱性和水资源紧缺性。当前陕北农牧交错带沙地治理和利用已具规模且不断扩大、农业用水量持续增长。若仍保持现有无序扩张的趋势,当开发规模超过水资源支持能力,将对当地生态环境造成威胁,对经济发展造成影响。因此,协调研究区内资源开发与生态保护间的关系对于实现地区农业经济的可持续发展具有决定意义。本文针对陕北农牧交错带沙地农业利用过程中存在的水资源贫乏、生态环境脆弱等问题,明确了水资源对区域经济发展与生态保护的关键作用,开展了水资源模拟预测;以水资源对沙地农业开发的支持能力为约束,建立沙地农业利用的水资源调控模型,并采用改进的NSGA-Ⅱ多目标优化算法,探索水资源调控下的沙地农业利用的适宜规模,为交错带的资源可持续利用、生态环境良性提升、经济社会稳固发展提供支持。论文主要的研究成果如下:（1）基于VAR模型分析了水资源对交错带农业发展的动态影响,明确了水资源在沙地农业发展中的关键作用。选取了交错带农业发展过程中紧密相关的水资源、农业经济、土地利用及生态环境等多方面指标进行相关性分析,依据典型指标建立了多变量VAR模型,采用脉冲响应和方差分解法定量地分析了水资源对交错带农业发展过程的动态影响,结果表明水资源综合占比在总用水量、农业用水量、农林牧渔总产值、沙地面积及生态服务价值等指标中贡献度分别为94.44%、90.93%、58.86%、86.39%、70.93%,说明水资源在交错带农业发展中扮演着关键性资源的角色,是主要影响因素和资源动力。（2）基于TOPMODEL模型和WAS模型联合模拟了交错带自然社会二元水循环,对未来交错带水资源可利用量进行预测。利用TOPMODEL模型开展基于DEM的径流过程模拟,采用启发式分割算法进行历史径流资料的突变点分析,确定1979年为突变点所在年份,划分1980-2000年为率定期,2001-2018为验证期,率定期和验证期模型的效率用WAS模型对交错带供水情况进行预测,得到交错带在北京气候模式BCC-CSM1.1下RCP2.6、RCP4.5、RCP8.5三种降雨情景的2025年可供水量分别为15.14亿m3、14.46亿m3 和 14.70 亿 m3,2030 年分别为 18.84 亿 m3、18.45 亿 m3 和 18.72 亿 m3。（3）构建了沙地农业利用的水资源调控模型,并设置了多元调控情景。根据沙地农业可用水量的区间量化原理,明确了用水上限,获得了 2018年和2025年交错带沙地农业可用水量分别为 19113 万 m3、17880.5 万 m3,2030 年 RCP2.6、RCP4.5、RCP8.5 降雨情景下分别为25571.6万m3、23928.8万m3、26390.8万m3。基于Markov模型对交错带土地利用类型进行预测,2025、2030年沙地农业利用的可开发沙地规模分别为2992.41km2和2763.72km2。从水资源条件、节水措施及农作物种植结构三个角度设置调控情景,包括降雨情景（3种）、节水情景（3种）、种植情景（7种）,共形成63种方案集。（4）采用基于正交试验设计思想和ε占优机制的oε策略改进的NSGA-Ⅱ算法,求解了水资源调控模型。以沙地农业利用规模最大为原则,选取了 15种推荐方案,各方案下榆阳区和神木县可开发规模占未利用沙地比例最低,2018年、2025年和2030年中最大占比分别为（18.57%,4.08%）、（7.06%,28.6%）、（5.01%,0%）;占比最高的区域为府谷县和定边县,分别为（100%,31.24%）、（100%,47.82%）、（100%,100%）,交错带2018年、2025年和2030年中可开发规模最大占比分别为24.54%、14.71%、29.99%。总体来看,交错带沙地农业利用规模在空间分布上呈现出东西部高中间低的状态。结果表明,在大量依靠引调水工程的前提下,交错带在各情境下水资源仍无法支撑未利用沙地的完全开发,水资源分布不均且形势紧张。（5）利用水土资源匹配指数法研究了交错带水土资源空间匹配格局变化。交错带沙地农业水土资源匹配指数主要分布范围是[53.07,122.14],沙地农业可用水量与利用规模呈现出不匹配状态。在空间分布上,榆阳区和神木县匹配系数始终<0,呈现出地多水少、沙地农业可用水量不足现象;府谷县2018、2025、2030年指数范围分别在[1.77,1.98]、[3.36,5.84]、[-0.39,1.71],沙地农业可用水量与开发规模保持在均衡范围内,水土资源匹配状况最优;交错带水土资源匹配格局呈现出从东北部地多水少向西南部水多地少过渡,基本与沙地农业利用规模空间分布情况相印证。沙地农业发展的不均衡导致各县区水土资源匹配格局呈现出空间差异性,节水效率的提升有助于提升水土资源匹配程度,高效的农业灌溉管理措施仍是改善交错带水土资源匹配格局的有效途径。
费钰辰[3]（2021）在《货币与信贷分离生成机制与政策内涵：国际经验证据》文中研究说明货币政策是一种具备调节国民经济运行、促进经济增长、提升就业率、稳定币值等功能的重要政策工具。中央银行将货币供给量作为货币政策的中介目标,对商业银行的信贷投放产生影响,进一步调节货币供给,从而对物价水平等指标进行调控。然而,当货币与信贷的稳定关系产生分离,货币政策的有效性会被限制。因此,研究两者的分离生成机制与政策内涵,对实现货币政策的有效调控具有重要意义。本文基于国际数据,利用面板回归分析全球货币与信贷关系,并且利用VAR模型、最小二乘法等方法对货币与信贷的分离程度与生成机制进行分析,主要结果显示:（1）样本广义货币变化率对其信贷变化率存在正向影响,且系数显着;（2）多数样本国家和地区货币与信贷稳定关系被打破,存在两者关系逐渐分离的现象;（3）国家由于经济水平、发展速度等差异,其货币与信贷分离的进程也有所不同,其中,中低和低收入国家和地区的分化情形更为明显;（4）非存款性负债是造成货币与信贷分离的原因。同时,本文分别选取发达及发展中国家的代表性样本进行货币政策的数量规则和利率规则实证分析。从结果来看,货币与信贷分离会造成货币政策的数量规则有效性下降,而利率规则相对而言更为稳定与有效。相较于发达国家,发展中国家的货币政策制定也更容易受到内、外部冲击的影响。因此,各国货币政策的选择仍需基于实际情况进行综合决策。由上述结论得到的政策启示有:（1）非存款性负债的增加使得货币与信贷出现分离现象。因此,货币政策的实施要与非存款性负债的监管调控相配合;（2）货币与信贷分离现象使得货币政策数量规则的有效性下降,而利率规则相对更稳定与有效。因此,货币政策要逐渐从数量型向价格型转变;（3）由于各国国情各异,在制定政策时不能一概而论,要根据内外部情况进行综合决策;（4）中国同样存在货币与信贷分离趋势,应将货币政策从数量型逐步过渡至价格型,并做好非存款性负债的关注与调控。
董雪[4]（2021）在《我国税收政策对经济增长的影响效应及其传导机制研究》文中进行了进一步梳理税收政策作为政府进行宏观调控的重要手段,在我国经济发展中扮演着重要的角色,有针对性的税收政策工具能够有效兼顾经济增长速度与质量。党的十九大报告指出,“我国经济已由高速增长阶段转向高质量发展阶段,正处在转变发展方式、优化经济结构、转换增长动力的攻关期”,并要“深化税收制度改革、健全地方税体系”。2019年、2020年中央经济工作会议中相继提出要实施大规模减税降费、结构性减税等积极的财政收入政策。可见,推进税收制度改革、优化现行税收结构是新时代背景下推动我国经济增长的必然选择。现阶段,在新冠疫情导致全球经济衰退的国际大环境下,我国经济面临着外部出口大幅下降、内部结构亟需调整的内外双重压力,合理有效的税收调控对于当前经济形势下推动我国经济高质量增长尤为重要,继续实施和完善大规模减税降费及结构性减税政策是必然之举。有鉴于此,探究我国税收政策对经济增长的影响效应及其传导机制具有重要意义。本文通过对国内外研究现状和相关理论基础进行梳理,实证检验了我国税收政策对经济增长的动态影响效应与非对称影响效应,并从供给侧和需求侧两个层面探究了我国税收政策影响经济增长的传导机制。首先,本文在理论分析税收政策对经济增长作用机制的基础上,借助时变协整模型考察了税收政策与经济增长的动态协整关系,并运用分位数Granger因果关系检验方法对税收政策与经济增长的因果关系进行检验,随后构建了带有随机波动率的时变参数因子扩展向量自回归（SV-TVP-FAVAR）模型分别考察了宏观税负与税收结构对经济增长的动态冲击效应,结果发现:我国税收政策与经济增长之间存在着显着的时变协整关系与长期负向均衡关系,且二者之间不存在双向Granger因果关系,仅表现为税收政策是经济增长的Granger原因;从总量视角来看,宏观税负的增加对经济增长产生了显着的负向抑制效应;从结构视角来看,增加商品税主要对经济增长具有抑制效应,增加所得税能够显着促进经济增长,但增加财产税对经济增长具有负向抑制效应。其次,本文从短期视角出发,基于贝叶斯平滑迁移向量自回归（ST-BVAR）模型探究了不同经济周期下我国税收政策对经济增长的非对称效应,随后从长期视角出发,利用非线性自回归分布滞后（NARDL）模型检验了我国税收政策对经济增长的长期非对称效应,结果发现:从短期视角来看,在经济衰退期,税收政策对经济增长、消费水平和投资水平主要产生了微弱的正向冲击效应;在经济扩张期,税收政策对经济增长、消费水平和投资水平主要产生了负向冲击效应。从长期视角来看,我国税收政策与经济增长之间存在着显着的长期均衡关系与非对称效应,税收的负向波动对经济增长的正向拉动效应弱于其正向波动所带来的抑制效应。再次,本文在理论分析税收结构影响经济增长的要素驱动机制基础上,运用带有潜在门限变量的时变系数向量自回归（LT-TVP-VAR）模型考察了经济危机时期、经济复苏时期及经济新常态时期我国税收结构对资本、劳动、技术等要素供给的动态影响,试图厘清税收结构促进我国经济增长的内在动力机制,以探究不同时期促进我国经济增长的合理税收结构。结果发现:在经济危机时期、经济复苏时期和经济新常态时期,税收结构对物质资本、人力资本及劳动力水平均产生了显着的正向影响效应,而对技术进步则产生了显着的负向影响效应;除了劳动力水平,税收结构对其他三类要素供给的时变影响效应均在经济复苏时期和经济新常态时期较强,在经济危机时期较弱,而税收结构对劳动力水平的影响效应在三个时期内均较强;在响应的持续期方面,除劳动力水平外,税收结构对其他三个要素供给均具有短期影响效应,长期内影响效应基本不存在,而对劳动力水平在短期和长期内均具有显着的影响效应。最后,本文基于税收经济效应理论分析了税收政策影响经济增长的需求传导渠道,并采用一个Metropolis-Hastings（MH）抽样规则下带有随机波动率的时变系数结构向量自回归（SV-MH-TVP-SVAR）模型,实证分析了我国宏观税负与税收结构冲击对消费和投资的时变影响效应,随后基于时变方差分解思想探究了税收政策冲击对消费和投资变化的贡献程度。结果发现:宏观税负对消费产生了负向影响,税收结构中商品税和所得税对消费产生了负向影响,而财产税对消费产生了正向影响;宏观税负对投资产生了负向影响,税收结构中商品税对投资产生了正向影响,所得税和财产税对投资产生了负向影响;时变方差分解显示了不同时期我国税收政策对消费与投资变化的贡献程度存在着显着的异质性。本文从不同维度、不同视角对我国税收政策的经济增长效应及其传导机制进行了全面系统地分析,可以发现我国税收政策对经济增长产生了显着的时变性影响和非对称性影响,不同时期不同经济外部环境下我国税收政策对资本、劳动和技术进步要素供给、消费和投资需求的影响均具有明显的差异性特征。因此,总量驱动与结构优化的双轮调控税收政策更有利于推进我国经济高质量增长。根据不同经济目标适时调整税收结构,针对不同时期不同要素供给及经济内需侧重充分发挥结构性减税政策对经济增长的调控作用,对于促进我国经济高质量增长具有重要意义。
王国志[5]（2021）在《经济不确定性、经济周期与货币政策有效性研究》文中认为在全面建设社会主义现代化国家向第二个百年奋斗目标迈进的历史新征程中,国内外政治经济环境发生了显着的变化,一个突出表现就是国内外经济不确定性事件频繁发生,导致我国经济周期运行的波动性加剧,货币政策调控难度加大,因此科学研判经济不确定性对经济周期和货币政策有效性的影响对于提升宏观调控有效性推动高质量发展具有理论和现实意义。本文遵循“文献梳理——理论分析——现状测度——实证研究——理论拓展”的总体研究框架,综合采用文献分析、理论梳理、指数测算、动态计量实证研究、DSGE理论模拟等方法对经济不确定性、经济周期与货币政策调控之间勾稽关系的规律性特征开展理论和实证研究。本文首先从理论层面梳理了经济不确定性概念的起源、界定及其度量,分析经济不确定性对经济周期影响的理论机制、经济不确定性对货币政策有效性影响的理论机制以及不同经济周期下货币政策调控的相关理论,奠定全文研究的理论基础。综合现有文献来看,可以将经济不确定性的基本概念界定为经济主体对未来的发生事件的无法预测性,衡量经济不确定性程度的方法主要包括运用现有的经济变量作为代理变量、运用专业人士对未来经济预测的分歧程度、运用现代信息技术和大数据合成指数法、运用大数据爬虫抓取报纸关键词方法、运用高维宏观数据提取共同因子的方法等5种方法,其中后两种方法被广泛使用。理论机制分析结果显示,经济不确定性对经济周期的影响机制主要包括投资期权机制、预防储蓄机制、金融摩擦机制、信息传递机制、长期投资机制、H-A传导机制等6个方面,经济不确定性冲击对经济周期和货币政策调控具有显着影响。不同经济周期理论下的货币政策调控理论也存在显着差异,催生了不同的货币政策规则。其次,本文测度了我国经济周期指数,分析了经济不确定性和经济周期之间的动态关联机制。结果显示,中国经济不确定性指数走高的时点大多与特定的经济政治事件相关联,1996年1月至2020年6月期间我国一共经历了3轮完整的经济周期,第四轮经济周期尚未结束。时变格兰杰因果关系检验结果显示,在经济不确定性较高时,经济不确定性对经济周期具有一定的预测性;在经济周期交替变化的时点,经济周期对经济不确定性具有一定的预测性。动态条件相关系数分析结果显示,经济不确定性与经济周期之间具有较为显着的负向动态条件相关性,在经济紧缩期经济不确定性波动剧烈,而在经济扩张期经济不确定性波动平稳。动态溢出指数分析结果显示,经济不确定性与经济周期之间存在显着的时变动态溢出效应,且经济周期波动加大了经济不确定性,经济不确定性同样加剧了经济周期波动。第三,本文构建了MS-AR模型将我国经济不确定性指数划分为三区制,在此基础上构建LT-TVP-VAR模型分析了货币政策在不同程度经济不确定性冲击时的反应及其调控效果,得出如下结论:（1）经济不确定性冲击对数量型和价格型货币政策存在正向时变冲击效应,但在经济不确定性的低、中、高区制下调控效果存在较大差异。（2）在经济不确定性处于低区制时数量型政策在调控产出缺口方面效果比较明显。当经济不确定性处于中高区制时价格型货币政策对产出缺口实施反周期调控的效果比较明显。（3）在经济不确定性处于低区制时数量型和价格型货币政策对通胀缺口调控效果较好,在中、高区制时数量型货币政策对通胀的调控存在局限性,而价格型货币政策对通胀缺口实施反周期调控效果更优。第四,本文构建TH-SVAR和SEIVAR模型实证分析了经济周期不同阶段货币政策调控的有效性和非对称性。基于TH-SVAR模型的研究结果显示,同一货币政策工具在相同经济周期阶段对产出和通胀的调控效应具有对称性,但不同货币政策工具在经济周期不同阶段下调控效果呈现出非对称特征。数量型和价格型货币政策在经济扩张期调控效应优于经济收缩期。经济扩张期价格型货币政策对产出调控效果优于数量型货币政策,数量型货币政策对通胀调控效果优于价格型货币政策。经济收缩期两种政策工具对产出与通胀的调控效果相对复杂。基于SEIVAR模型的研究结果表明,在经济周期不同阶段下货币政策对通胀和产出的调控效果存在显着差异和非对称特征。数量型货币政策对通胀调控更为有效,价格型货币政策对产出调控更为有效。数量型货币政策在经济收缩期对通胀和产出的调控效应优于经济扩张期。价格型货币政策在经济收缩期对通胀的调控效应更加符合政策预期。价格型货币政策对产出的调控在经济收缩期优于经济扩张期。最后,本文构建了包含预期因素和异质冲击的DSGE模型探讨了货币政策有效性问题,得出如下结论:（1）当模型中引入政策预期因素后可以与数据实现较好的拟合,且预期冲击形式的有效识别使得工具变量对目标变量波动的反应程度均出现了不同程度的变化。（2）通胀对利率工具调控较为敏感,数量工具调控对产出的影响作用相对较大,然而数量冲击下产出易出现逆向波动降低调控有效性。当对预期冲击和非预期冲击进行识别后,工具变量的预期冲击对目标变量波动的影响作用均有所增加,且目标变量收敛周期均有所缩短。（3）影响产出和通胀波动的占优冲击来源分别为数量政策和利率政策,对冲击来源结构的有效分解可以提升货币政策的有效性。根据以上研究结果和我国经济金融发展及货币政策调控实践,本文提出如下政策建议:（1）准确识别经济不确定性冲击,稳定经济政策预期,以政策确定性应对经济不确定性。（2）优化货币政策量价配合机制,强化政策工具间的组合协调。（3）加强对微观主体的预期管理和舆论引导,提升货币政策调控的有效性。
冯坚福[6]（2021）在《金融冲击传导、经济周期波动与货币政策效应研究》文中进行了进一步梳理美国金融危机以后,世界经济波动加剧,各种经济冲击频发和经济运行不确定性大大增强。随着我国经济整体实力的不断提升,我国抵御金融冲击等外部冲击的能力不断增强。进入经济新常态以来,我国宏观调控坚持稳中求进总基调,并始终以高质量发展作为战略目标,同时围绕供给侧结构性改革这条主线,展开了各项调控政策协同发力的体系化、协同化、差异化的全面调控。在“宏观政策要稳、产业政策要准、微观政策要活、改革政策要实、社会政策要托底”的宏观调控引导下,经济运行实现了稳定发展和快速增长。于此同时,我们也需要注意到,在全球金融市场波动日益加剧的大背景下,金融稳定对于实体经济的促进作用日益重要。金融脆弱性及金融投机攻击日益成为诱发经济周期波动的导火索。因此实施宏观审慎政策越来越多地被各国中央银行所采用,逆周期调控和政府干预已经成为普遍状态。本文就是在此背景下,通过系统考察金融冲击传导、经济周期波动与货币政策效应之间的动态关联,深入研究经济周期波动的动态特征和货币政策有效性的条件和基础,为制定更为有效的宏观调控政策提供理论参考和实证依据。本文深入分析了金融冲击相关研究的发展史,探讨了金融摩擦、融资约束与投资决策之间的相互依存关系及金融加速器理论、金融危机理论和金融冲击的顺周期性,同时系统地梳理了金融冲击对货币政策的传导机制。在此基础上针对金融冲击对实际产出的影响、金融冲击对货币政策规则及货币政策有效性的影响、金融冲击与金融摩擦、经济波动的互动机制以及金融冲击与宏观审慎政策的关联机制展开了一系列实证分析。通过构建包含随机波动率的时变系数向量自回归模型、混频数据模型、动态随机一般均衡模型考察了金融冲击对实际产出的时变影响,金融冲击对货币政策实施效果的影响、金融冲击与经济周期、货币政策的内在影响机制,并得到了一系列有价值的结论。主要表现在:第一,发现金融冲击确实能够对实际产出产生显着的影响,有放大经济波动的作用且其效应与特定的经济周期阶段有关。同时,金融冲击在短期内会给通货膨胀带来一定的压力,但在长期内却会产生一定的抑制作用甚至出现通货紧缩的状况,这点与我国经济发展阶段的特征相符。新常态作为代表性的时间节点,表现出不同于以往任何时期的经济特点。第二,通过构建混频向量自回归模型估计金融冲击下“麦科勒姆规则”和“泰勒规则”,发现贝叶斯混频算法（BMF）下混频向量自回归模型的回归方程对于高频数据的处理效果更好,它能够减小高频数据密度函数的方差,使之倾向于产生更加准确的协方差矩阵。同时,金融冲击对通货膨胀具有一定程度的推动作用,而对产出则表现为短期内影响强烈,经济会出现波动进而导致稳定性下降,但在长期内金融冲击反应微弱,对产出增长无明显拉动作用。第三,带有金融摩擦和金融冲击的DSGE模型能够较好地拟合我国目前的经济状况。通过对不同金融摩擦系数下金融冲击对内生变量的脉冲响应函数结果分析,发现金融摩擦系数较小时,内生变量相对于稳态值的偏离程度都会被放大。此外,金融冲击表现出很强的滞后性,即内生变量在受到冲击之后快速上升但是缓慢下降,这说明在存在金融摩擦的情况下,金融冲击对于实体经济并非仅仅只产生短期的影响,也会对实体经济产生长期影响。第四,通过构建带有房地产市场金融冲击的DSGE模型,我们考察了宏观经济、金融系统和社会福利面临金融冲击的变化和动态效应。发现存在房地产市场金融冲击时,政府面临稳定房地产价格和维持产出增长的“二元悖论”,即如果政府考虑稳定房地产价格,则要牺牲产出;如果要维持产出持续增长,房地产市场可能会出现一定程度的不稳定性。上述研究确认了我国经济运行中金融冲击的存在性、传染性和风险性,金融冲击诱发了金融周期,金融周期又与经济周期产生关联,进而影响到货币政策的实际效应。为解释实体经济和虚拟经济关联,检验和识别货币政策工具和目标的有效性,提供了重要的理论推断和实证证据的支撑,也为制定有效宏观调控政策提供重要参考依据。
吴金燕[7]（2021）在《中国经济金融化对实体经济的影响研究》文中指出一段时期以来,我国经济发展表现出明显的“脱实向虚”现象,一方面,金融部门因具有收益高、资金回流快等优势吸引大量投机性资本而导致发展陷入自我循环,并且部门内部资产价格高、杠杆高等问题导致金融发展严重脱离服务实体经济;另一方面,由于产能过剩、产品缺乏创新、生产效率低下等问题不同程度存在,实体部门的发展动力不足使其在竞争中处于劣势。随着金融与实体经济的发展不断背离,我国开始注重二者之间的关系并通过推进金融业改革开放和实施供给侧结构性改革推动金融回归实体经济。自新冠肺炎疫情爆发以来,实体经济发展在承受原有负担的基础上又增加额外的成本。在统筹疫情防控的进程中,金融服务实体经济的重点是针对疫情中暴露出的问题补齐短板。我国需要进一步加大宏观政策实施的力度以有序推进复工复产,并把支持实体经济恢复发展放到更加突出的位置。基于此,本文着重分析经济金融化对实体经济的影响,主要的研究内容如下:第一,本文在梳理相关文献和总结相关理论的基础上,一方面,分别从促进和抑制的视角分析金融化影响实体经济和非金融企业金融化影响实业投资的机制;另一方面,构建精准衡量金融化的静态和动态权重综合指标,并应用MS-AR模型分析指标的波动特征发现,金融化和实体经济主要处在低水平区制且指标波动具有惯性。第二,本文利用Lasso回归筛选能够对实体经济产生影响的因素,并以2012年为节点分析金融化在不同阶段的影响效果。全样本的结果证实金融化抑制实体经济增长,而分阶段的结果表现为金融化的影响由负变为正,突出金融支持实体经济的政策已经取得成效。进一步对Lasso回归筛选出的变量构建MS-VAR模型分析发现,相比于低水平金融化,适度金融化对实体经济的促进力度更强且效果持续的时间更长;而过度金融化的影响在短期内（6个月）发挥抑制作用,并随时间延长在金融资源得到优化配置后才能够发挥促进作用。第三,金融化对实体经济的影响具有门槛效应,其中适度引进的外商投资能够融合本地金融资源共同发挥促进实体经济增长的作用;而不断增加的外商投资会因与本地资源形成竞争而产生挤占效果,并在资金总规模超过本地金融市场的吸纳能力后起到抑制作用。进一步将优选的时空权重矩阵纳入空间面板计量模型分析溢出效应发现,金融化对实体经济影响的直接、间接效应均为正,能够提高本地区和邻近地区的实体经济增长水平。第四,同时控制省份、时间和行业固定效应的高维面板模型结果表明非金融企业金融化抑制实业投资,而估计引入平方项的模型发现二者之间的关系主要位于“U型”曲线的左半支,以至于金融化的抑制影响占主导。进一步补充异质性分析发现,我国自2012年开始实施的金融支持实体经济相关政策能够有效降低金融化的抑制程度,并且第二产业相比于非第二产业、国有企业相比于非国有企业、大型企业相比于中小型企业金融化对实业投资的挤占程度更深。最后,对全文进行总结并据此提出便利非金融企业生产经营、促进区域协调发展和助推金融支持实体经济的政策建议。本研究的主要贡献如下:其一,由于已有研究通常使用不能准确、全面衡量金融化水平的单一指标,本文选取代表不同金融子市场的指标,并分别利用SVAR和TVP-VAR模型的脉冲响应结果计算静态和动态权重,进一步将权重赋予子指标得到对经济冲击、宏观政策的影响更敏感、测度精确性更高的金融化综合指标。其二,不同于已有研究利用逐步回归法确定纳入模型的影响因素,本文利用Lasso压缩估计不仅能够有效解决变量间存在共线性的问题,而且能够通过筛选变量起到精简模型的作用。交叉验证的方法通过对模型中的系数施加约束筛选出部分对实体经济影响小的因素,并将对应变量的系数压缩至零;而最小角解法能够对影响因素进行排序,并依据最优步长完成筛选以对交叉验证的结果进行检验。其三,由于传统的时间权重矩阵存在弊端,本文利用全局莫兰指数计算时间权重矩阵,既能够反映以前各期溢出效应对当期的影响,也能够反映影响程度随时间延长递减的趋势。不同于以往研究比较同一空间模型下不同类型时空权重的结果,本文选取时间权重矩阵与空间权重矩阵的克罗内克积作为时空权重矩阵,并通过比较时空权重矩阵与被解释变量矩阵的有效相关性以确定最优权重。其四,由于传统面板计量模型在应用中受到限制,本文构建同时控制年份、行业和省份固定效应的高维面板模型以分析金融化影响的异质性。为克服分组回归系数不具有可比性的弊端,本文添加对分组回归系数差异的检验,并通过在模型中引入交乘项以反映不同组别之间估计系数的差异。
李柏松[8]（2021）在《基于因果关系分析的多元时间序列变量选择》文中研究表明多元时间序列广泛存在于社会生活的各个领域,多个变量之间具有复杂的关联关系。分析多元时间序列变量间的相互影响关系,挖掘系统潜在的蕴含信息,对复杂系统的分析与建模具有重要的现实意义。本文以复杂系统的多元时间序列为研究对象,针对多变量间的因果关系展开研究,为预测模型构建合适的输入特征,最终达到精简模型、提高预测精度的目的。本文的研究内容如下:针对传统的Granger因果模型仅仅适用于二变量、线性系统,无法应用于多变量、非线性系统的问题,本文提出一种基于Hilbert-Schmidt独立性准则（Hilbert-Schmidt independence criterion,HSIC）-群组Lasso的Granger因果分析模型。该模型首先对原始时间序列进行平稳性检验,然后利用非线性映射将输入变量和目标变量映射到再生核Hilbert空间中,克服了传统Granger因果模型无法进行非线性因果关系分析的缺点。最后,建立HSIC-群组Lasso回归模型,并根据回归模型的系数及显着性检验结果确定变量间的Granger因果关系。此外,在构建因果分析模型时,模型阶数和正则化参数对分析结果具有较大的影响。为了避免人为设定带来的误差干扰,该模型采用贝叶斯信息准则（Bayesian information criterion,BIC）自动地选择模型阶数和正则化参数。在对标准数据集及空气质量指数及气象系统的仿真实验中,验证了本文方法的有效性。针对向量自回归（Vector autoregression,VAR）模型没有考虑变量间瞬时效应的影响,可能产生虚假因果关系的问题,本文提出一种基于结构VAR（Structural VAR,SVAR）模型的非线性扩展瞬时Granger因果分析模型。该模型充分考虑了时滞变量和瞬时效应的作用,将瞬时效应纳入其中,可以有效避免因瞬时项的缺失导致的虚假因果问题。此外,为了满足非线性建模的需求,该模型对原始数据进行非线性映射,在再生核Hilbert空间中进行非线性因果关系分析。在建立模型时,采用贝叶斯信息准则来确定结构VAR模型的阶数,避免人为参数设置的影响。最后,根据显着性检验结果确定变量间的因果关系。通过对具有瞬时效应的系统和气象及污染物系统的因果检验仿真实验,验证了本文所提方法的有效性。
李诗婕[9]（2021）在《不同类型政策不确定性对金融稳定的时变影响与预测》文中研究指明在十九大报告中,明确指出我国近年来金融工作的主要基调是“维持金融稳定”,而在金融系统的运转过程中,信息流动占据关键地位,储蓄、投资等都是在参与者分析已有信息的基础上做出的决策行为。因此本文在测度金融稳定的基础上,选取从政策不确定性的角度对其进行时变影响和预测分析。在金融稳定指数测度方面,本文构建混频动态因子模型,根据金融稳定的普遍界定原则,从金融发展能力、金融稳健能力、金融抗压能力、外界环境四个角度选取了具有代表性的指标,测度我国混频金融稳定指数。经历史性分析发现,所测得的指数能够反应出我国金融市场经历的几次主要波动阶段,具有一定的可靠性与实时性。在政策不确定性测度方面,基于已有文本分析的方法,进行优化,采取“主体+谓语”搭配的识别标准,测算了包括货币、财政、汇率、贸易在内的四种政策不确定性,并通过动态相关性分析以及Granger因果检验得出四种类型的政策不确定性在波动趋势上与金融稳定指数具有一定的相似性,并且在波动时间上略优先于金融稳定指数,因此对于本文所构建的金融稳定指数存在一定的预测能力。进一步考察不同经济政策不确定性对金融稳定的时变影响,构建TVP-VAR模型,首先考察不同滞后期对金融稳定的影响差异,研究发现,一年滞后期的货币政策不确定性影响明显强于短期滞后期,而其他三类政策不确定性则是短期影响更显着,其次,选择不同时点进行进一步考察,以金融危机时期、金融危机恢复期、经济新常态改革期三个时间点进行脉冲分析,研究发现,不同政策不确定性都呈现负面作用,大约在5个月左右影响趋于稳定,同时,近年来有缓和的趋势,说明我国金融市场变得更为成熟,能够及时有效缓和政策不确定性带来的冲击,保持金融市场的平稳运行。在基于政策不确定性的角度对金融稳定指数进行预测方面,通过检验分析建立了MSIAH（2）-VAR（1）模型,发现在所选取的时间范围内,两区制所占据的时间大致相等,并且趋向于维持自身状态,由于随着金融全球一体化进程加快,带来了机遇与挑战并存的客观环境,因此在维持金融稳定的有效措施与外界不断带来的新冲击下,大致经历了4次区制转换（2008、2013、2015、2017年）发生转化。随后,进行两个区制内各自的脉冲影响分析,得出波动的一致性与差异性,除财政政策不确定性在两区制内形成了相反作用外,其余三者冲击影响方向一致,仅在程度上有所差异。根据估计的模型对金融稳定进行样本内和样本外预测,结果显示所构建的模型的拟合情况较好,而样本外预测显示,我国金融稳定指数呈现出下降趋势。
时辰[10]（2021）在《中国财政政策乘数研究》文中研究说明2020年新冠肺炎疫情发生,各产业发展停滞不前,全球经济严重下滑。在这种不容乐观的环境下,各国纷纷出台积极财政政策恢复经济发展。2020年2月,我国发放3000亿“战疫”专项资金,同年6月,发行1万亿抗疫特别国债。此外,2021年我国以及欧美国家等地区也都施行扩张性财政政策,特别是近期,美国宣布大规模搞基础设施建设,总额预计超过3万亿美元,并且会施行增税等相关措施以支撑基建资金供给。在复杂的国内外环境下,我国的经济发展压力巨大,施行有效的积极财政政策至关重要。而财政乘数是财政政策的量化反应,以数值的形式直接衡量财政政策的有效性,因此,准确的计算财政乘数不仅能更好的把握经济发展状态,而且还有利于财政政策的施行,为财政政策提供理论依据。本文从财政收入和财政支出为出发点,借鉴了国外的研究成果,采用1978-2019年宏观经济时间序列数据,利用OLS和VAR这两类模型计算财政乘数,并对两个乘数研究结果做了比较。通过实证研究,本文得出以下结论:（1）宏观经济变量自相关。模型表明,宏观经济变量的发展受近期的数值影响较大,随着时期的推移,对当期影响逐渐减小。（2）政府支出的乘数效应显着。在OLS回归中,政府支出对国内总产值的乘数为2.16,对资本形成总额的乘数为1.01。在VAR中,政府支出对国内总产值的乘数为1.54,对资本形成总额的乘数为0.88。表明,政府支出对于国内总产值和资本形成有正向的影响,并且对总产值的影响较大。（3）税收对经济发展有正向作用。在OLS回归中,税收收入对国内总产值的乘数为1.9,对居民消费的乘数为0.35。在VAR模型中,税收收入对国内总产值的乘数为2.29,对居民消费的乘数为-0.067。表明,税收收入对国内总产值有正向的影响,对居民消费有反向的影响,并且税收对国内总产值的影响较大。（4）OLS和VAR乘数结果无明显差异。二者回归的结果均显示,政府支出对总产值的乘数大于对投资的乘数效应;税收对总产出的乘数效应大于对居民消费的乘数效应。根据上述结论,本文提出以下政策建议:（1）优化支出结构,提升综合效益。（2）减轻企业税负,优化营商环境。（3）注重新基建投资。（4）防范化解政府债务风险。（5）提升服务效能,加强财政治理。本文得出的财政乘数的结论,以及对财政乘数研究的展望,不仅丰富了财政乘数的研究,同时也为政府税收及财政政策提供相应的实证依据和理论支撑。
二、VaR模型的计算及应用（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、VaR模型的计算及应用（论文提纲范文）
（1）VaR模型在证券投资中的运用（论文提纲范文）
| 1 引言 |
| 2 Va R模型 |
| 2.1 Va R模型简介 |
| 2.2 Va R模型和证券投资的关系 |
| 3 Va R模型的计算方法及评价 |
| 3.1 德尔塔-正态法 |
| 3.2 历史模拟法 |
| 3.3 蒙特卡罗模拟法 |
| 4 Va R模型在证券投资中的应用现状 |
| 5 Va R模型存在的问题 |
| 5.1 Va R模型对风险偏好的考虑不足 |
| 5.2 Va R模型对突发情况的处理能力不足 |
| 5.3 Va R模型对数据的要求过于严格 |
| 6 结语 |
（2）陕北农牧交错带沙地农业利用规模的水资源调控研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究进展 |
| 1.3.1 水文模型研究进展 |
| 1.3.2 自然系统多变量互馈关系研究进展 |
| 1.3.3 水资源调控的思想演变与方法进展 |
| 1.4 问题提出及思考 |
| 1.5 主要研究内容 |
| 1.6 研究方案和技术路线 |
| 1.6.1 研究方案 |
| 1.6.2 技术路线 |
| 1.7 本章小结 |
| 2 研究区范围及概况 |
| 2.1 陕北农牧交错带范围界定 |
| 2.2 自然地理概况 |
| 2.2.1 地形地貌 |
| 2.2.2 土壤植被 |
| 2.2.3 自然资源 |
| 2.3 社会经济现状 |
| 2.4 水资源开发利用现状 |
| 2.4.1 水资源分布情况 |
| 2.4.2 水资源开发利用情况 |
| 2.5 荒漠化特征及治理历程 |
| 2.5.1 荒漠化现状及特征 |
| 2.5.2 荒漠化动态演进 |
| 2.5.3 水土流失现状 |
| 2.6 区位特殊性及重要意义 |
| 2.6.1 交错性与过渡性 |
| 2.6.2 水土资源紧缺性 |
| 2.6.3 生态环境脆弱性 |
| 2.6.4 区位特殊性 |
| 2.7 本章小结 |
| 3 水资源对交错带农业发展影响分析 |
| 3.1 VAR模型介绍 |
| 3.2 指标选取及相关性分析 |
| 3.3 VAR模型的构建与检验 |
| 3.3.1 序列平稳性检验 |
| 3.3.2 Johansen协整检验 |
| 3.3.3 模型参数估计 |
| 3.3.4 模型检验 |
| 3.4 脉冲响应 |
| 3.5 方差分解 |
| 3.6 水资源对交错带农业发展影响分析 |
| 3.7 本章小结 |
| 4 基于TOPMODEL和 WAS模型的交错带水资源预测 |
| 4.1 模型基本原理 |
| 4.1.1 TOPMODEL模型 |
| 4.1.2 WAS模型 |
| 4.2 子流域单元划分 |
| 4.3 TOPMODEL模型构建及校验 |
| 4.3.1 下垫面参数提取 |
| 4.3.2 模拟效果及模型参数校验 |
| 4.4 WAS模型构建与模拟验证 |
| 4.4.1 拓扑关系 |
| 4.4.2 数据基础 |
| 4.4.3 模拟验证 |
| 4.5 基于TOPMODEL和 WAS模型的水资源预测 |
| 4.5.1 规划年气候情景模式 |
| 4.5.2 规划年水资源量预测 |
| 4.6 本章小节 |
| 5 沙地农业利用的水资源调控模型构建 |
| 5.1 水资源调控模型的理论基础 |
| 5.1.1 模型框架 |
| 5.1.2 模型原理 |
| 5.2 可用水量区间量化分析 |
| 5.2.1 可用水量区间量化 |
| 5.2.2 可用水量上限分析 |
| 5.2.3 传统行业需水预测 |
| 5.2.4 沙地农业可用水量潜力分析 |
| 5.3 可开发沙地规模预测 |
| 5.3.1 土地利用现状及其结构分析 |
| 5.3.2 土地利用遥感监测动态演变 |
| 5.3.3 土地利用空间转移变化分析 |
| 5.3.4 基于Markov模型的土地利用类型预测 |
| 5.4 调控情景设置 |
| 5.4.1 多元情景分析 |
| 5.4.2 调控情景设置 |
| 5.5 水资源调控模型构建 |
| 5.5.1 目标函数 |
| 5.5.2 约束条件 |
| 5.6 本章小结 |
| 6 沙地农业利用适宜规模及空间格局变化 |
| 6.1 基于正交?占优策略改进的NSGA-Ⅱ算法 |
| 6.1.1 正交设计初始化种群 |
| 6.1.2 ε占优策略 |
| 6.1.3 NSGA-Ⅱ算法 |
| 6.1.4 模型求解流程 |
| 6.2 沙地农业利用适宜规模分析 |
| 6.2.1 各县区适宜规模分析 |
| 6.2.2 交错带适宜规模分析 |
| 6.3 沙地农业利用规模的空间分布 |
| 6.4 沙地农业利用的水资源配置方案 |
| 6.5 水土资源空间匹配格局变化 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 附表 |
| 攻读博士学位期间主要研究成果 |
（3）货币与信贷分离生成机制与政策内涵：国际经验证据（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究内容和研究框架 |
| 1.4 研究方法 |
| 1.5 研究创新 |
| 2 国内外文献综述 |
| 2.1 货币理论与信贷理论发展史梳理 |
| 2.2 货币政策与信贷相关研究 |
| 2.2.1 货币政策相关研究 |
| 2.2.2 信贷相关研究 |
| 2.2.3 货币政策与信贷关联关系研究 |
| 2.2.4 商业银行非存款性负债对货币政策影响相关研究 |
| 2.3 文献简要评述 |
| 3 货币与信贷分离的测度 |
| 3.1 货币与信贷数据及指标变化趋势 |
| 3.1.1 数据来源及变量选择 |
| 3.1.2 面板数据回归分析 |
| 3.1.3 年度数据趋势分析 |
| 3.1.4 货币与信贷数据离散性分析 |
| 3.1.5 年度指标跨期分析 |
| 3.2 VAR模型分析 |
| 3.2.1 数据来源及变量选择 |
| 3.2.2 VAR模型表现 |
| 4 货币与信贷分离的生成机制 |
| 4.1 VAR模型分析 |
| 4.1.1 数据来源及变量选择 |
| 4.1.2 VAR模型表现 |
| 4.2 最小二乘法分析 |
| 4.2.1 数据来源及变量选择 |
| 4.2.2 最小二乘法表现 |
| 5 货币与信贷分离的政策内涵 |
| 5.1 货币政策数量规则 |
| 5.1.1 数据来源及变量选择 |
| 5.1.2 数量规则分析 |
| 5.2 货币政策利率规则 |
| 5.2.1 数据来源及变量选择 |
| 5.2.2 利率规则分析 |
| 6 结论与建议 |
| 参考文献 |
（4）我国税收政策对经济增长的影响效应及其传导机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及文献综述 |
| 1.2.1 税收政策的经济增长效应研究 |
| 1.2.2 税收政策的消费效应研究 |
| 1.2.3 税收政策的投资效应研究 |
| 1.3 相关概念、研究目标与主要研究内容 |
| 1.3.1 相关概念 |
| 1.3.2 研究目标 |
| 1.3.3 主要研究内容 |
| 1.4 研究方法与主要创新 |
| 1.4.1 研究方法 |
| 1.4.2 主要创新 |
| 第2章 税收政策影响经济增长的相关理论 |
| 2.1 基于税收的经济增长理论 |
| 2.1.1 索洛-斯旺模型 |
| 2.1.2 卡斯-库普曼斯模型 |
| 2.1.3 AK模型 |
| 2.1.4 人力资本模型 |
| 2.1.5 生产性公共资本增长模型 |
| 2.2 最优税收理论 |
| 2.2.1 最优商品税理论 |
| 2.2.2 最优所得税理论 |
| 2.3 税收乘数效应理论 |
| 2.3.1 定量税税收乘数效应 |
| 2.3.2 比例税税收乘数效应 |
| 2.4 本章小结 |
| 第3章 我国税收政策对经济增长的动态效应检验 |
| 3.1 税收政策对经济增长的作用机制分析 |
| 3.1.1 宏观税负对经济增长的作用机制 |
| 3.1.2 税收结构对经济增长的作用机制 |
| 3.2 税收政策与经济增长的时变协整关系检验 |
| 3.2.1 时变协整模型 |
| 3.2.2 时变协整关系检验 |
| 3.2.3 分位数Granger因果关系检验 |
| 3.3 不同时期宏观税负与税收结构对经济增长的动态冲击效应 |
| 3.3.1 SV-TVP-FAVAR模型设定 |
| 3.3.2 变量选取与共同因子提取 |
| 3.3.3 宏观税负对经济增长的时变效应分析 |
| 3.3.4 税收结构对经济增长的时变效应分析 |
| 3.4 本章小结 |
| 第4章 我国税收政策对经济增长的非对称效应检验 |
| 4.1 非对称计量模型设定 |
| 4.1.1 ST-BVAR模型原理 |
| 4.1.2 NARDL模型原理 |
| 4.2 不同经济周期下税收政策对经济增长的短期非对称冲击效应 |
| 4.2.1 变量选取与数据处理 |
| 4.2.2 经济波动区制识别 |
| 4.2.3 非对称冲击效应分析 |
| 4.2.4 稳健性检验 |
| 4.3 税收政策的正负向累积波动对经济增长的长期非对称效应 |
| 4.3.1 变量选取与模型参数估计 |
| 4.3.2 累积动态乘数效应分析 |
| 4.4 本章小结 |
| 第5章 我国税收政策影响经济增长的要素驱动机制分析 |
| 5.1 税收结构影响经济增长的要素供给驱动机理 |
| 5.1.1 基本分析框架 |
| 5.1.2 税收结构影响经济增长的内在作用机理 |
| 5.2 LT-TVP-VAR模型原理 |
| 5.3 税收结构对要素供给的时变影响效应分析 |
| 5.3.1 变量选取与平稳性检验 |
| 5.3.2 脉冲响应分析 |
| 5.3.3 稳健性检验 |
| 5.4 本章小结 |
| 第6章 我国税收政策影响经济增长的内需拉动机制分析 |
| 6.1 税收政策影响经济增长的内需拉动机理 |
| 6.2 SV-MH-TVP-SVAR模型原理 |
| 6.3 税收政策对消费的动态冲击效应 |
| 6.3.1 变量选取、模型设定与参数估计 |
| 6.3.2 脉冲响应分析 |
| 6.3.3 时变方差分解 |
| 6.3.4 稳健性检验 |
| 6.3.5 税收政策对消费结构的影响效应分析 |
| 6.4 税收政策对投资的动态冲击效应 |
| 6.4.1 变量选取与数据处理 |
| 6.4.2 滞后阶数选择、先验设定与参数估计 |
| 6.4.3 脉冲响应分析 |
| 6.4.4 时变方差分解 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间取得的科研成果及所获奖项 |
| 致谢 |
（5）经济不确定性、经济周期与货币政策有效性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 经济不确定性对经济周期影响机制的研究综述 |
| 1.2.2 经济不确定性对货币政策有效性影响机制的研究综述 |
| 1.2.3 经济周期不同阶段下货币政策有效性研究综述 |
| 1.3 研究方法与创新 |
| 1.3.1 研究方法 |
| 1.3.2 主要创新与贡献 |
| 1.4 论文框架与结构安排 |
| 第2章 概念界定与理论基础 |
| 2.1 经济不确定性概念的起源、界定与度量 |
| 2.2 经济不确定性对经济周期影响机制的理论基础 |
| 2.3 经济不确定性对货币政策有效性影响的理论基础 |
| 2.4 不同经济周期下货币政策调控的理论基础 |
| 2.5 本章小结 |
| 第3章 我国经济不确定性与经济周期测度及其协动性 |
| 3.1 我国经济不确定性走势分析 |
| 3.2 我国经济周期指数的测度和走势分析 |
| 3.2.1 传统经济周期测度方法的总结与利弊评述 |
| 3.2.2 MS-DFM测度经济周期的原理简述 |
| 3.2.3 我国经济周期指数的实时测度 |
| 3.2.4 我国经济周期统计特征与趋势分析 |
| 3.3 我国经济不确定性与经济周期协动性检验 |
| 3.3.1 经济不确定性与经济周期时变格兰杰因果检验 |
| 3.3.2 经济不确定性与经济周期间的动态相关性检验 |
| 3.3.3 经济不确定性与经济周期间的动态溢出效应检验 |
| 3.4 本章小结 |
| 第4章 不同经济不确定性水平下的货币政策有效性研究 |
| 4.1 不同政策目标和不确定性水平下货币政策量价选择的初步探讨 |
| 4.1.1 不同政策目标下数量型与价格型货币政策有效性探讨 |
| 4.1.2 经济不确定影响下货币政策有效性探讨 |
| 4.1.3 双重背景下数量型与价格型政策选择的探讨 |
| 4.2 我国经济不确定性阶段划分 |
| 4.2.1 MS-AR模型 |
| 4.2.2 经济不确定性区制划分 |
| 4.3 LT-TVP-VAR模型构建与参数估计 |
| 4.3.1 LT-TVP-VAR模型构建 |
| 4.3.2 数据选取与处理 |
| 4.3.3 参数估计与检验 |
| 4.4 不同经济不确定性水平下货币政策时变反应与调控机制 |
| 4.4.1 不同经济不确定性水平下货币政策时变反应 |
| 4.4.2 数量型与价格型政策对产出调控的实时对比 |
| 4.4.3 数量型与价格型政策对通胀调控的实时对比 |
| 4.5 本章小结 |
| 第5章 经济周期不同阶段下的货币政策有效性研究 |
| 5.1 经济周期不同阶段下货币政策调控的典型事实 |
| 5.1.1 经济周期波动下货币政策调控的历史演变 |
| 5.1.2 经济周期扩张阶段货币政策调控的有效性分析 |
| 5.1.3 经济周期收缩阶段货币政策调控的有效性分析 |
| 5.2 经济周期不同阶段下货币政策调控效果对比 |
| 5.2.1 TH-SVAR模型介绍 |
| 5.2.2 数据选取与检验 |
| 5.2.3 经济周期不同阶段下货币政策对产出的调控机制检验 |
| 5.2.4 经济周期不同阶段下货币政策对通胀的调控机制检验 |
| 5.2.5 数量型与价格型货币政策在经济周期不同阶段下的有效性对比 |
| 5.3 经济周期不同阶段下货币政策调控的非对称性检验 |
| 5.3.1 SEIVAR模型估计原理与脉冲响应函数构建 |
| 5.3.2 数量型货币政策在经济周期不同阶段下的非对称性检验 |
| 5.3.3 价格型货币政策在经济周期不同阶段下的非对称性检验 |
| 5.4 本章小结 |
| 第6章 未预期冲击、预期管理与货币政策有效性研究 |
| 6.1 价格型和数量型货币政策的适用条件 |
| 6.2 考虑政策预期因素的DSGE模型构架 |
| 6.2.1 私人家庭 |
| 6.2.2 生产厂商 |
| 6.2.3 政府部门 |
| 6.2.4 货币当局 |
| 6.3 数据处理与参数估计 |
| 6.3.1 数据选取与处理 |
| 6.3.2 参数校准与设定 |
| 6.3.3 冲击路径识别 |
| 6.3.4 参数贝叶斯估计 |
| 6.4 脉冲响应与方差分解分析 |
| 6.4.1 脉冲响应分析 |
| 6.4.2 方差分解分析 |
| 6.5 本章小结 |
| 结论和政策建议 |
| 参考文献 |
| 攻读学位期间发表的学术论文及科研成果 |
| 致谢 |
（6）金融冲击传导、经济周期波动与货币政策效应研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及选题意义 |
| 1.2 相关研究综述 |
| 1.2.1 金融冲击的理论评述 |
| 1.2.2 金融冲击对货币政策效应的影响 |
| 1.2.3 经济周期理论和金融周期理论的研究进展 |
| 1.2.4 金融冲击和金融摩擦下经济周期分析框架 |
| 1.3 本文结构框架及主要研究内容 |
| 第2章 金融冲击理论及传导机制 |
| 2.1 金融冲击对货币政策效应的影响机制 |
| 2.1.1 银行信贷渠道 |
| 2.1.2 资产负债表渠道 |
| 2.2 金融冲击的不同强度对货币政策宏观效应的影响 |
| 2.2.1 银行部门内部竞争程度 |
| 2.2.2 企业的银行替代融资渠道 |
| 2.2.3 金融市场的发展深度 |
| 2.2.4 金融合约期限及利率可调性对货币政策传导的影响 |
| 2.2.5 资本流动对货币政策的传导影响 |
| 2.3 金融冲击的顺周期性 |
| 2.3.1 资本监管的顺周期性 |
| 2.3.2 资产负债管理的顺周期性 |
| 第3章 金融冲击对实际产出影响的时变性计量研究 |
| 3.1 金融冲击的定义与计算 |
| 3.2 时变系数向量自回模型 |
| 3.2.1 TVP-VAR模型简介 |
| 3.2.2 TVP-VAR模型的估计 |
| 3.3 模型的数据选取与参数估计 |
| 3.4 实际产出波动对金融冲击的时变反应机制分析 |
| 3.5 本章小结 |
| 第4章 金融冲击下的货币政策规则和货币政策有效性检验 |
| 4.1 货币政策规则及其有效性 |
| 4.1.1 金融冲击下的“麦科勒姆规则” |
| 4.1.2 金融冲击下的“泰勒规则” |
| 4.1.3 金融冲击下的货币政策有效性检验 |
| 4.2 混频数据向量自回归模型 |
| 4.3 货币政策有效性检验及规则识别 |
| 4.3.1 变量选取与描述 |
| 4.3.2 MF-VAR模型与VAR模型的比较 |
| 4.3.3 脉冲响应函数 |
| 4.4 本章小结 |
| 第5章 金融冲击、金融摩擦和经济周期波动 |
| 5.1 金融冲击、金融摩擦和经济周期影响机制分析 |
| 5.2 金融摩擦和金融冲击下我国宏观经济DSGE模型设定 |
| 5.2.1 进行跨期选择的家庭部门 |
| 5.2.2 金融摩擦与内生信贷约束 |
| 5.2.3 中间商品生产部门和金融冲击 |
| 5.2.4 资产生产部门 |
| 5.2.5 带有价格粘性的零售部门 |
| 5.2.6 货币政策与模型出清 |
| 5.3 DSGE模型参数设定与估计 |
| 5.3.1 数据的选取与处理 |
| 5.3.2 数据平稳性检验 |
| 5.3.3 模型参数校准 |
| 5.3.4 模型参数的贝叶斯估计 |
| 5.4 不同金融摩擦系数下模型的对比分析 |
| 5.4.1 不同金融摩擦系数下金融冲击的脉冲响应分析 |
| 5.4.2 不同金融摩擦系数下的方差分解分析 |
| 5.5 本章小结 |
| 第6章 金融冲击、货币政策与宏观审慎政策 |
| 6.1 金融冲击与宏观审慎政策文献综述 |
| 6.2 包含金融部门的DSGE模型 |
| 6.3 参数估计结果及动态分析 |
| 6.3.1 数据选取和部分参数校准 |
| 6.3.2 贝叶斯估计的结果 |
| 6.4 模型的动态分析 |
| 6.4.1 宏观经济效应分析 |
| 6.4.2 金融冲击对于金融系统的冲击效应 |
| 6.4.3 社会福利分析 |
| 6.5 本章小结 |
| 第7章 结论 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（7）中国经济金融化对实体经济的影响研究（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 一、背景及意义 |
| 二、内容和方法 |
| 三、研究思路及框架 |
| 四、研究创新与不足 |
| 第一章 理论基础及文献综述 |
| 第一节 概念界定及相关理论基础 |
| 一、概念界定 |
| 二、相关理论基础 |
| 第二节 相关文献综述 |
| 一、非空间维度下金融化影响经济增长的相关研究 |
| 二、空间维度下金融化影响经济增长的相关研究 |
| 三、非金融企业金融化影响实业投资的相关研究 |
| 本章小结 |
| 第二章 金融化与实体经济的发展现状及问题 |
| 第一节 金融化与实体经济的发展现状 |
| 一、金融化的发展现状 |
| 二、实体经济的发展现状 |
| 第二节 金融支持实体经济的现状及问题 |
| 一、金融支持实体经济的现状 |
| 二、金融支持实体经济存在的问题 |
| 本章小结 |
| 第三章 金融化影响实体经济的机制分析 |
| 第一节 金融化在不同部门之间传导的机制分析 |
| 一、政府部门的金融化表现 |
| 二、家庭部门的金融化表现 |
| 三、非金融企业的金融化表现 |
| 第二节 宏观视角下金融化影响实体经济的机制 |
| 一、金融化影响实体经济的促进机制分析 |
| 二、金融化影响实体经济的抑制机制分析 |
| 第三节 微观视角下非金融企业金融化影响实业投资的机制 |
| 一、非金融企业金融化促进实业投资的机制分析 |
| 二、非金融企业金融化抑制实业投资的机制分析 |
| 本章小结 |
| 第四章 金融化与实体经济测度及波动特征分析 |
| 第一节 模型简介 |
| 一、结构向量自回归(SVAR)模型简介 |
| 二、时变参数向量自回归(TVP-VAR)模型简介 |
| 第二节 金融化测度 |
| 一、金融化综合指标的构建基础 |
| 二、金融化综合指标的权重确定 |
| 三、金融化综合指标的比较 |
| 第三节 金融化与实体经济的波动特征分析 |
| 一、金融化的波动特征分析 |
| 二、实体经济的波动特征分析 |
| 三、金融化与实体经济的分区制发展路径 |
| 本章小结 |
| 第五章 金融化影响实体经济的研究:基于宏观视角 |
| 第一节 金融化影响实体经济的分阶段研究 |
| 一、Lasso回归简介 |
| 二、研究设计 |
| 三、实证分析 |
| 四、稳健性检验 |
| 第二节 金融化影响实体经济的分区制研究 |
| 一、马尔科夫区制转换向量自回归(MS-VAR)模型简介 |
| 二、研究设计 |
| 三、实证分析 |
| 本章小结 |
| 第六章 金融化影响实体经济的区域差异研究:基于中观视角 |
| 第一节 金融化影响实体经济的门槛效应分析 |
| 一、研究设计 |
| 二、门槛效应检验与门槛值确定 |
| 三、全样本的实证分析 |
| 四、分区域样本的实证分析 |
| 第二节 金融化影响实体经济的空间溢出效应分析 |
| 一、研究设计 |
| 二、空间面板计量模型的权重确定 |
| 三、空间面板计量模型的筛选 |
| 四、空间面板计量模型的实证分析 |
| 本章小结 |
| 第七章 非金融企业金融化影响实业投资的研究:基于微观视角 |
| 第一节 非金融企业金融化影响实业投资的实证分析 |
| 一、高维面板固定效应模型简介 |
| 二、研究设计 |
| 三、实证分析 |
| 第二节 非金融企业金融化抑制实业投资的补充研究 |
| 一、宏观经济政策的结构化影响分析 |
| 二、行业异质性的影响分析 |
| 三、产权性质异质性的影响分析 |
| 四、企业规模异质性的影响分析 |
| 本章小结 |
| 第八章 结论、政策建议与研究展望 |
| 第一节 主要结论 |
| 一、金融化与实体经济的测度及波动特征 |
| 二、金融化影响实体经济的结论 |
| 三、金融化影响实体经济的区域差异结论 |
| 四、非金融企业金融化影响实业投资的结论 |
| 第二节 政策建议 |
| 一、旨在便利非金融企业融资的政策建议 |
| 二、旨在促进区域协调发展的政策建议 |
| 三、旨在助推金融支持实体经济的政策建议 |
| 第三节 研究展望 |
| 参考文献 |
| 附录 |
| 后记 |
| 在学期间公开发表论文及着作情况 |
（8）基于因果关系分析的多元时间序列变量选择（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多元时间序列的变量选择方法 |
| 1.2.2 多元时间序列的因果分析方法 |
| 1.3 论文的主要内容及结构 |
| 2 Granger因果关系分析方法概述 |
| 2.1 Granger因果模型 |
| 2.2 Granger因果模型的改进方法 |
| 2.2.1 条件Granger因果模型 |
| 2.2.2 Lasso-Granger因果模型 |
| 2.2.3 非线性Granger因果模型 |
| 2.2.4 频域Granger因果模型 |
| 2.3 小结 |
| 3 基于HSIC-GLasso的非线性Granger因果模型 |
| 3.1 HSIC-GLasso模型介绍 |
| 3.1.1 Hilbert-Schmidt独立性准则 |
| 3.1.2 HSIC-GLasso模型 |
| 3.2 基于HSIC-GLasso的Granger因果关系分析 |
| 3.2.1 平稳性检验 |
| 3.2.2 模型参数估计 |
| 3.2.3 HSIC-GLasso-GC模型求解 |
| 3.2.4 显着性检验 |
| 3.2.5 HSIC-GLasso-GC总结与讨论 |
| 3.3 仿真实验 |
| 3.3.1 标准非线性数据仿真实验 |
| 3.3.2 沈阳AQI及气象数据集仿真实验 |
| 3.4 小结 |
| 4 基于结构VAR的非线性扩展瞬时Granger因果模型 |
| 4.1 结构VAR模型介绍 |
| 4.1.1 结构VAR模型 |
| 4.1.2 瞬时项对于模型的影响 |
| 4.2 非线性系统的瞬时Granger因果关系分析 |
| 4.2.1 非线性扩展瞬时Granger因果模型 |
| 4.2.2 NEIGC模型求解 |
| 4.3 仿真实验 |
| 4.3.1 瞬时效应系统仿真实验 |
| 4.3.2 北京气象及污染物时间序列仿真实验 |
| 4.4 小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间参与项目情况 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（9）不同类型政策不确定性对金融稳定的时变影响与预测（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 理论意义 |
| 1.2.3 实际意义 |
| 1.3 研究内容、方法与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 1.4 内容安排与预期效果 |
| 1.4.1 内容安排 |
| 1.4.2 预期效果 |
| 第2章 文献综述与相关理论 |
| 2.1 文献综述 |
| 2.1.1 相关模型的文献综述 |
| 2.1.2 金融稳定指数 |
| 2.1.3 经济政策不确定性 |
| 2.1.4 文献评述 |
| 2.2 相关理论 |
| 2.2.1 融资溢价理论 |
| 2.2.2 金融脆弱性理论 |
| 2.2.3 不完全市场理论 |
| 2.2.4 实物期权理论 |
| 第3章 理论分析与假设提出 |
| 3.1 财政政策不确定性与金融稳定 |
| 3.2 货币政策不确定性与金融稳定 |
| 3.3 贸易政策不确定性与金融稳定 |
| 3.4 汇率政策不确定性与金融稳定 |
| 第4章 指数测度与动态相关性分析 |
| 4.1 混频金融稳定指数测度 |
| 4.1.1 混频动态因子模型构建 |
| 4.1.2 指标选取与来源 |
| 4.1.3 数据选取与预处理 |
| 4.1.4 混频金融稳定指数测度 |
| 4.1.5 历史经验分析 |
| 4.2 政策不确定性指数测度 |
| 4.2.1 新闻文本分类 |
| 4.2.2 四种类型政策不确定性指数测算 |
| 4.3 动态相关性分析 |
| 4.4 混频Granger因果检验 |
| 第5章 经济政策不确定性与金融稳定实证研究 |
| 5.1 经济政策不确定性对金融稳定的时变影响分析 |
| 5.1.1 TVP-VAR模型的构建与检验 |
| 5.1.2 不同经济政策不确定性冲击对金融稳定的脉冲影响分析 |
| 5.1.3 不同时间经济政策不确定性对金融稳定的脉冲影响分析 |
| 5.2 政策不确定性对金融稳定的预测研究 |
| 5.2.1 MS-VAR模型构建与检验 |
| 5.2.2 模型结果与分析 |
| 5.2.3 预测分析 |
| 第6章 结论与建议 |
| 6.1 研究结论 |
| 6.2 政策建议 |
| 致谢 |
| 参考文献 |
（10）中国财政政策乘数研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 选题背景及研究意义 |
| 一、选题背景 |
| 二、研究意义 |
| 第二节 文献综述 |
| 一、国外研究现状 |
| 二、国内研究现状 |
| 三、文献评述 |
| 第三节 本文的主要贡献、研究不足与展望 |
| 一、本文的主要贡献 |
| 二、本文研究的不足 |
| 三、对未来研究的展望 |
| 第二章 中国财政政策和财政乘数的实践 |
| 第一节 中国财政政策回顾 |
| 一、新中国成立初期财政政策 |
| 二、改革开放后财政政策 |
| 三、21世纪以来财政政策 |
| 第二节 财政乘数的研究方法 |
| 一、IS-LM模型 |
| 二、VAR模型 |
| 三、DSGE模型 |
| 第三节 国内财政乘数估计的实践 |
| 一、乘数研究梳理 |
| 二、乘数研究比较 |
| 第三章 中国政府支出乘数的估计 |
| 第一节 政府支出数据来源和描述性分析 |
| 一、政府支出数据的来源 |
| 二、指标的描述性分析 |
| 三、指标的预处理及平稳性检验 |
| 第二节 AR、OLS回归的研究 |
| 一、AR模型的理论基础 |
| 二、AR回归结果的分析 |
| 三、OLS回归的乘数估计 |
| 第三节 VAR模型乘数的估计 |
| 一、滞后阶数的选取 |
| 二、格兰杰因果性检验 |
| 三、模型稳定性检验 |
| 四、脉冲响应分析 |
| 五、方差分解 |
| 第四章 中国税收政策的乘数估计 |
| 第一节 税收数据来源和描述性分析 |
| 一、税收数据的来源 |
| 二、指标的描述性分析 |
| 三、指标的处理及检验 |
| 第二节 AR、OLS回归的研究 |
| 一、AR回归分析 |
| 二、OLS回归的乘数估计 |
| 第三节 VAR模型乘数的估计 |
| 一、滞后阶数的选取 |
| 二、格兰杰因果性检验 |
| 三、模型稳定性检验 |
| 四、脉冲响应分析 |
| 五、方差分解 |
| 第五章 本文研究结论和政策建议 |
| 第一节 本文主要结论 |
| 一、宏观经济变量自相关 |
| 二、政府支出的乘数效应显着 |
| 三、税收刺激经济发展 |
| 四、OLS和 VAR乘数结果无明显差异 |
| 第二节 政策建议 |
| 一、优化支出结构,提升综合效益 |
| 二、减轻企业税负,优化营商环境 |
| 三、注重新基建投资 |
| 四、防范化解政府债务风险 |
| 五、提升服务效能,加强财政治理 |
| 参考文献 |
| 在读期间的研究成果 |
| 致谢 |
四、VaR模型的计算及应用（论文参考文献）
- [1]VaR模型在证券投资中的运用[J]. 王泽全. 中小企业管理与科技(上旬刊), 2021(10)
- [2]陕北农牧交错带沙地农业利用规模的水资源调控研究[D]. 刘思源. 西安理工大学, 2021
- [3]货币与信贷分离生成机制与政策内涵：国际经验证据[D]. 费钰辰. 浙江大学, 2021(09)
- [4]我国税收政策对经济增长的影响效应及其传导机制研究[D]. 董雪. 吉林大学, 2021(01)
- [5]经济不确定性、经济周期与货币政策有效性研究[D]. 王国志. 吉林大学, 2021(01)
- [6]金融冲击传导、经济周期波动与货币政策效应研究[D]. 冯坚福. 吉林大学, 2021(01)
- [7]中国经济金融化对实体经济的影响研究[D]. 吴金燕. 东北师范大学, 2021(09)
- [8]基于因果关系分析的多元时间序列变量选择[D]. 李柏松. 大连理工大学, 2021(01)
- [9]不同类型政策不确定性对金融稳定的时变影响与预测[D]. 李诗婕. 上海师范大学, 2021(07)
- [10]中国财政政策乘数研究[D]. 时辰. 安徽财经大学, 2021(10)