本文關(guān)鍵詞：基于SDSEVaR的中國(guó)金融體系系統(tǒng)性風(fēng)險(xiǎn)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：自1995年墨西哥金融危機(jī)到2007年的次貸危機(jī)以及2010年的歐債危機(jī),系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng),使金融體系遭受重大破壞的同時(shí)對(duì)實(shí)體經(jīng)濟(jì)造成巨大沖擊。連續(xù)爆發(fā)的金融危機(jī)引起全球?qū)ο到y(tǒng)性風(fēng)險(xiǎn)的關(guān)注,巴塞爾委員針對(duì)危機(jī)中暴露的系統(tǒng)性風(fēng)險(xiǎn)防范措施的不足頒布了巴塞爾協(xié)議Ⅲ,將防范和化解系統(tǒng)性風(fēng)險(xiǎn)作為宏觀審慎監(jiān)管的根本目標(biāo)。由于系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的放大作用,各金融機(jī)構(gòu)對(duì)整個(gè)金融體系沖擊更為顯著。研究金融體系內(nèi)部各子行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)有利于在金融風(fēng)險(xiǎn)形成初期對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行有效監(jiān)控和跟蹤,對(duì)于宏觀審慎監(jiān)管具有重要借鑒意義。梳理國(guó)內(nèi)外文獻(xiàn)可以發(fā)現(xiàn),對(duì)于系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的研究主要分為兩類。一類是運(yùn)用網(wǎng)絡(luò)分析法研究系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng),另一類是利用CoVaR模型研究跨市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)。Upper 和 Worms (2004)利用最小相對(duì)熵值法以各家銀行的資產(chǎn)負(fù)債表數(shù)據(jù)為依據(jù)估計(jì)各銀行間的風(fēng)險(xiǎn)敝口情況,在此基礎(chǔ)上利用網(wǎng)絡(luò)分析法模擬風(fēng)險(xiǎn)在各個(gè)銀行間的傳染過程。陳建青等(2015)通過構(gòu)建CoVaR模型,對(duì)我國(guó)金融子行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行研究。利用網(wǎng)絡(luò)分析法存在兩個(gè)問題,一是銀行間相互持有的資產(chǎn)負(fù)債數(shù)據(jù)不易獲得,只能通過模擬得到。二是主要限于對(duì)銀行間溢出效應(yīng)的分析。利用CoVaR模型研究金融市場(chǎng)中各子行業(yè)之間的風(fēng)險(xiǎn)溢出效應(yīng),雖然該模型設(shè)定可以捕捉到金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)溢出效應(yīng),但是CoVaR模型中分位數(shù)的設(shè)定主要是基于收益率的分布,通過CoVaR模型設(shè)定的溢出效應(yīng)系數(shù)無論在何種經(jīng)濟(jì)狀況下均是相同的。利用SDSEVaR模型對(duì)我國(guó)銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)以及包括租賃業(yè)、信托業(yè)在內(nèi)多元金融之間的溢出效應(yīng)進(jìn)行分析。因模型使用的是金融行業(yè)指數(shù)收盤價(jià),這一市場(chǎng)數(shù)據(jù)在充分反映金融市場(chǎng)的風(fēng)險(xiǎn)同時(shí)避免了網(wǎng)絡(luò)分析模型中金融機(jī)構(gòu)間敞口數(shù)據(jù)的缺失。通過SDSEVaR模型分析不同經(jīng)濟(jì)狀況下金融子行業(yè)間系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)尺寸、大小以及持續(xù)程度,這對(duì)于系統(tǒng)性風(fēng)險(xiǎn)預(yù)警機(jī)制的建立具有借鑒意義。本文運(yùn)用理論分析與實(shí)證研究相結(jié)合方法。首先利用申銀萬國(guó)二級(jí)行業(yè)數(shù)據(jù)中金融行業(yè)指數(shù)構(gòu)建GARCH模型,計(jì)算基于Expectile模型的VaR,用EVaR代表每個(gè)金融子行業(yè)的系統(tǒng)性風(fēng)險(xiǎn),將此數(shù)據(jù)作為輸入變量構(gòu)建SDSEVaR模型。在此基礎(chǔ)上,選擇不同的分位數(shù)分別代表不同的經(jīng)濟(jì)狀況,通過兩階段分位數(shù)回歸模型構(gòu)建靜態(tài)SDSEVaR模型分析各金融子行業(yè)的的風(fēng)險(xiǎn)溢出效應(yīng)的大小和方向。根據(jù)產(chǎn)生的原因,可以將系統(tǒng)性風(fēng)險(xiǎn)分為兩類,一類是宏觀沖擊如GDP、利率等導(dǎo)致所有金融機(jī)構(gòu)都受到影響而產(chǎn)生的系統(tǒng)性風(fēng)險(xiǎn)；另一類是雖然局部金融機(jī)構(gòu)遭受沖擊,但是各金融機(jī)構(gòu)緊密聯(lián)系,金融風(fēng)險(xiǎn)通過各種渠道傳染和擴(kuò)散導(dǎo)致的系統(tǒng)性風(fēng)險(xiǎn)。在構(gòu)建SDSEVaR模型時(shí),本文將申銀萬國(guó)二級(jí)行業(yè)數(shù)據(jù)中的房地產(chǎn)指數(shù)和商品指數(shù)的EVaR數(shù)據(jù)作為控制變量放入兩階段分位數(shù)回歸模型中,目的是在分析各金融子行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)時(shí),可以將所有的金融機(jī)構(gòu)受到共同沖擊的影響排除在外。最后,本文根據(jù)Zeno Adams等(2014)研究金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)時(shí)將脈沖函數(shù)(IRFS)引入分位數(shù)回歸的方法將脈沖響應(yīng)函數(shù)引入本文建立的靜態(tài)SDSEVaR模型,構(gòu)建動(dòng)態(tài)的SDSEVaR模型對(duì)各金融子行業(yè)間風(fēng)險(xiǎn)溢出效應(yīng)的持續(xù)程度進(jìn)行分析。論文總共分為五個(gè)章節(jié),各章內(nèi)容安排如下。第一章是導(dǎo)論。導(dǎo)論部分主要是介紹本文研究的背景,研究意義,研究方法,研究?jī)?nèi)容和創(chuàng)新之處。第二章是文獻(xiàn)綜述。本文主要從兩個(gè)方面對(duì)相關(guān)研究文獻(xiàn)進(jìn)行綜述。首先是從定義、特征、傳導(dǎo)機(jī)制和度量方法對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行介紹。進(jìn)一步地對(duì)國(guó)內(nèi)外系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的研究進(jìn)行了對(duì)比分析。第三章是研究設(shè)計(jì)。這部分提出實(shí)證方案,并對(duì)所涉及的模型進(jìn)行介紹。本文首先利用GARCH模型計(jì)算基于Expectile的EVaR。進(jìn)一步將每個(gè)金融子行業(yè)的EVaR數(shù)據(jù)分別作為解釋變量和被解釋變量,利用兩階段分位數(shù)回歸方法構(gòu)造靜態(tài)SDSEVaR模型分析各系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的方向和大小。最后,將脈沖響應(yīng)函數(shù)(IRFS)引入構(gòu)造的靜態(tài)SDSEVaR模型,形成動(dòng)態(tài)SDSEVaR模型,分析各金融子行業(yè)風(fēng)險(xiǎn)溢出效應(yīng)的持續(xù)強(qiáng)度大小和時(shí)間長(zhǎng)短。第四章是實(shí)證研究。首先對(duì)金融時(shí)間序列進(jìn)行描述性統(tǒng)計(jì)分析。接著,基于Expectile的正齊次性和平移不變性,利用GARCH模型測(cè)度單個(gè)金融子行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)EVaR。將各金融子行業(yè)的EVaR作為輸入變量,將房地產(chǎn)指數(shù)和商品指數(shù)的EVaR作為兩階段分位數(shù)回歸的控制變量,構(gòu)造靜態(tài)SDSEVaR模型,分析去除受到共同沖擊影響時(shí)各金融子行業(yè)的溢出效應(yīng)的方向和大小。最后,將脈沖響應(yīng)函數(shù)引入構(gòu)造的SDSEVaR模型,構(gòu)造動(dòng)態(tài)SDSEVaR模型,分析各金融子行業(yè)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的持續(xù)時(shí)間和大小。第五章是本文研究結(jié)論和建議。這部分首先對(duì)本文的理論分析和實(shí)證研究進(jìn)行總結(jié),在此基礎(chǔ)上提出相關(guān)建議,然后給出本次研究存在不足和需要改進(jìn)的地方,最后提出文章未來擴(kuò)展的方向。論文得出的結(jié)論主要有以下四個(gè)方面：(1)在所分析的金融子行業(yè)中,銀行業(yè)的溢出效應(yīng)是最為顯著的。銀行業(yè)是在受到外部沖擊時(shí)將風(fēng)險(xiǎn)溢出最大的金融子行業(yè),溢出風(fēng)險(xiǎn)的大小依次為保險(xiǎn)業(yè)、證券業(yè)、多元金融(2)銀行作為保險(xiǎn)公司的分銷渠道,對(duì)于保險(xiǎn)公司的溢出效應(yīng)非常顯著。銀行與保險(xiǎn)公司的合作模式?jīng)Q定了銀行業(yè)對(duì)于保險(xiǎn)業(yè)的溢出效應(yīng)并無明顯優(yōu)勢(shì),即保險(xiǎn)業(yè)對(duì)于銀行業(yè)的溢出效應(yīng)也非常顯著。保險(xiǎn)業(yè)在風(fēng)險(xiǎn)溢出效應(yīng)持續(xù)的過程中受到的溢出效應(yīng)逐漸減弱,經(jīng)過20天溢出效應(yīng)已減弱50%。(3)證券業(yè)在受到外部沖擊時(shí),溢出風(fēng)險(xiǎn)的大小依次為保險(xiǎn)業(yè)、多元金融、銀行業(yè)。在多元金融的溢出效應(yīng)的分析中,對(duì)證券業(yè)的溢出作用是最明顯的。因多元金融指數(shù)中主要是信托、租賃等金融機(jī)構(gòu),與證券業(yè)的關(guān)系較為緊密。(4)多元金融在受到外部沖擊時(shí),溢出風(fēng)險(xiǎn)的大小依次為證券業(yè)、銀行業(yè)及保險(xiǎn)業(yè)。多元金融在風(fēng)險(xiǎn)溢出效應(yīng)的持續(xù)過程中主要受銀行業(yè)和證券業(yè)的影響,且經(jīng)過20天溢出效應(yīng)已減弱50%。論文創(chuàng)新主要體現(xiàn)在以下三個(gè)方面：(1)本文選擇了EVaR作為單個(gè)金融子行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)度量指標(biāo)。Kuan等(2009)研究證明基于expectile度量的金融機(jī)構(gòu)的EVaR (Expectile-based Value at risk)考慮了整個(gè)金融資產(chǎn)的分布,與VaR所計(jì)量的尾部極值相比,更加全面。(2)本文選擇了兩階段分位數(shù)回歸方法,通過設(shè)定不同的分位數(shù),研究不同經(jīng)濟(jì)狀況金融子行業(yè)之間的風(fēng)險(xiǎn)溢出效應(yīng)。在構(gòu)建SDSEVaR模型時(shí),本文將申銀萬國(guó)二級(jí)行業(yè)數(shù)據(jù)中的房地產(chǎn)指數(shù)和商品指數(shù)的EVaR數(shù)據(jù)作為控制變量放入兩階段分位數(shù)回歸模型中,目的是在分析各金融子行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)時(shí),可以將所有的金融機(jī)構(gòu)受到共同沖擊的影響排除在外。(3)本文將脈沖響應(yīng)函數(shù)(IRFS)引入SDSEVaR模型,通過分析能夠得到各金融子行業(yè)之間溢出效應(yīng)的持續(xù)情況。而溢出效應(yīng)的持續(xù)時(shí)間的長(zhǎng)短對(duì)于建立金融體系系統(tǒng)性風(fēng)險(xiǎn)預(yù)警機(jī)制具有重要的借鑒意義。論文的不足主要有以下兩點(diǎn)：(1)本文對(duì)于金融各子行業(yè)溢出風(fēng)險(xiǎn)的分析是一種間接的分析,而各金融子行業(yè)之間直接的關(guān)聯(lián)是各自的杠桿率、流動(dòng)性比率以及資產(chǎn)負(fù)債率等,但各個(gè)金融機(jī)構(gòu)財(cái)務(wù)數(shù)據(jù)更新較慢,不能每天獲得,所以本文不能解釋金融子行業(yè)之間的風(fēng)險(xiǎn)溢出效應(yīng)的原理。(2)本文對(duì)于除銀行、證券及保險(xiǎn)之外的金融行業(yè)的數(shù)據(jù)選擇使用申銀萬國(guó)二級(jí)行業(yè)數(shù)據(jù)中的多元金融指數(shù)來代替,該指數(shù)中包括信托和租賃公司,對(duì)于最近發(fā)展較快的衍生品市場(chǎng)指數(shù)的數(shù)據(jù)沒有涉及,主要原因是衍生品在我國(guó)發(fā)展的起步較晚,數(shù)據(jù)的時(shí)間較短。對(duì)于研究的不足可以從以下兩個(gè)方面進(jìn)行改進(jìn)：(1)將本文提出的SDSEVaR模型與各金融子行業(yè)各自的杠桿率、流動(dòng)性比率及資產(chǎn)負(fù)債率綜合分析研究系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。(2)除了本文研究的銀行、證券、保險(xiǎn)以及多元金融中涉及的信托業(yè)和租賃業(yè),將基金及期貨等子行業(yè)納入風(fēng)險(xiǎn)溢出效應(yīng)的研究體系進(jìn)行分析。
【關(guān)鍵詞】：系統(tǒng)性風(fēng)險(xiǎn) 溢出效應(yīng) SDSEVaR模型 GARCH模型 宏觀審慎監(jiān)管
【學(xué)位授予單位】：西南財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F224;F832
【目錄】：

• 摘要4-8
• ABSTRACT8-15
• 1. 緒論15-23
• 1.1 研究背景15-17
• 1.2 研究意義17-18
• 1.3 研究方法18-19
• 1.4 研究?jī)?nèi)容19-21
• 1.5 創(chuàng)新之處21-23
• 2. 文獻(xiàn)綜述23-41
• 2.1 系統(tǒng)性風(fēng)險(xiǎn)定義及特征23-25
• 2.1.1 系統(tǒng)性風(fēng)險(xiǎn)的定義23-24
• 2.1.2 系統(tǒng)性風(fēng)險(xiǎn)的特征24-25
• 2.2 系統(tǒng)性風(fēng)險(xiǎn)的成因和傳導(dǎo)25-30
• 2.2.1 時(shí)間維度的系統(tǒng)性風(fēng)險(xiǎn)26-28
• 2.2.2 橫截面維度的系統(tǒng)性風(fēng)險(xiǎn)28-29
• 2.2.3 系統(tǒng)性風(fēng)險(xiǎn)的傳導(dǎo)29-30
• 2.3 系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度30-35
• 2.4 溢出效應(yīng)研究35-39
• 2.4.1 波動(dòng)率溢出效應(yīng)35-37
• 2.4.2 系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)37-39
• 2.5 簡(jiǎn)要評(píng)述39-41
• 3. 研究設(shè)計(jì)41-48
• 3.1 系統(tǒng)性風(fēng)險(xiǎn)測(cè)度41-44
• 3.1.1 CoVaR模型41-42
• 3.1.2 EVaR的定義42-43
• 3.1.3 基于GARCH模型的EVaR的計(jì)算方法43-44
• 3.2 靜態(tài)SDSEVAR模型44-45
• 3.3 動(dòng)態(tài)SDSEVAR模型45-46
• 3.4 樣本選擇和計(jì)算說明46-47
• 3.5 本章小結(jié)47-48
• 4. 實(shí)證分析48-63
• 4.1 變量描述性統(tǒng)計(jì)分析48-50
• 4.1.1 變量的描述性統(tǒng)計(jì)48-49
• 4.1.2 金融機(jī)構(gòu)之間相關(guān)性分析49-50
• 4.2 測(cè)度金融子行業(yè)系統(tǒng)性風(fēng)險(xiǎn)50-53
• 4.2.1 GARCH模型的構(gòu)建50-52
• 4.2.2 計(jì)算金融子行業(yè)的系統(tǒng)特性風(fēng)險(xiǎn)EVaR52-53
• 4.3 系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)靜態(tài)分析53-59
• 4.4 系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)動(dòng)態(tài)分析59-61
• 4.5 本章小結(jié)61-63
• 5. 結(jié)論與展望63-68
• 5.1 論文結(jié)論63-64
• 5.2 政策建議64-66
• 5.3 研究展望66-68
• 參考文獻(xiàn)68-73
• 后記73-74
• 致謝74

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張代強(qiáng);張屹山;;前瞻性利率規(guī)則在我國(guó)的實(shí)證研究——基于分位數(shù)回歸方法的變參數(shù)檢驗(yàn)[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2008年10期

2 劉生龍;;教育和經(jīng)驗(yàn)對(duì)中國(guó)居民收入的影響——基于分位數(shù)回歸和審查分位數(shù)回歸的實(shí)證研究[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2008年04期

3 羅玉波;;房?jī)r(jià)影響因素分析:分位數(shù)回歸方法[J];統(tǒng)計(jì)與決策;2011年06期

4 李順毅;;房?jī)r(jià)如何影響消費(fèi)對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)——基于分位數(shù)回歸的實(shí)證分析[J];消費(fèi)經(jīng)濟(jì);2011年03期

5 朱平芳;張征宇;;無條件分位數(shù)回歸:文獻(xiàn)綜述與應(yīng)用實(shí)例[J];統(tǒng)計(jì)研究;2012年03期

6 胡豐;許啟發(fā);蔣翠俠;;基于分位數(shù)回歸的基金風(fēng)格分析與業(yè)績(jī)?cè)u(píng)價(jià)[J];鄭州航空工業(yè)管理學(xué)院學(xué)報(bào);2012年06期

7 王朝;高敬雅;王琪;;基于分位數(shù)回歸的房地產(chǎn)價(jià)格研究[J];商;2012年14期

8 胡永遠(yuǎn);倪麗艷;;基于分位數(shù)回歸的社會(huì)救助再就業(yè)人群收入研究[J];山東財(cái)政學(xué)院學(xué)報(bào);2013年03期

9 歐陽勝銀;;外資溢出效應(yīng)的分位數(shù)回歸研究[J];財(cái)經(jīng)理論與實(shí)踐;2013年04期

10 劉昕明;李志強(qiáng);;基于分位數(shù)回歸的企業(yè)債信用風(fēng)險(xiǎn)研究[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前6條

1 林藝圃;;中國(guó)股市價(jià)量關(guān)系的實(shí)證分析分位數(shù)回歸模型[A];中國(guó)社會(huì)科學(xué)院第三屆中國(guó)經(jīng)濟(jì)論壇論文集（下）[C];2007年

2 陳娟;林龍;葉阿忠;;基于分位數(shù)回歸的中國(guó)居民消費(fèi)研究[A];中國(guó)社會(huì)科學(xué)院第三屆中國(guó)經(jīng)濟(jì)論壇論文集（下）[C];2007年

3 夏寧;;中國(guó)上市公司高管人員薪酬的影響因素與成因分解——一個(gè)基于分位數(shù)回歸模型的實(shí)證研究[A];中國(guó)會(huì)計(jì)學(xué)會(huì)財(cái)務(wù)管理專業(yè)委員會(huì)2009年學(xué)術(shù)年會(huì)論文集[C];2009年

4 宋馬林;吳杰;高玉強(qiáng);張琳玲;宋峰;;中國(guó)入世以來的對(duì)外貿(mào)易與環(huán)保效率——基于分省面板數(shù)據(jù)的實(shí)證分析[A];中國(guó)貿(mào)易救濟(jì)與產(chǎn)業(yè)安全論叢（2012）——第七屆中國(guó)貿(mào)易救濟(jì)與產(chǎn)業(yè)安全研究獎(jiǎng)獲獎(jiǎng)?wù)撐募痆C];2013年

5 任聲策;;創(chuàng)新和出口的互動(dòng)關(guān)系:基于中國(guó)制造業(yè)企業(yè)的實(shí)證[A];第八屆（2013）中國(guó)管理學(xué)年會(huì)——技術(shù)與創(chuàng)新管理分會(huì)場(chǎng)論文集[C];2013年

6 劉鑫波;張志敏;梁逸曾;;高效準(zhǔn)確的高分辨數(shù)據(jù)快速平滑與基線校正算法[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 邸俊鵬;分位數(shù)回歸的貝葉斯估計(jì)與應(yīng)用研究[D];南開大學(xué);2013年

2 康寧;分位數(shù)回歸模型及在金融經(jīng)濟(jì)中的應(yīng)用[D];合肥工業(yè)大學(xué);2016年

3 劉惠籃;基于復(fù)合分位數(shù)回歸方法的統(tǒng)計(jì)模型的相關(guān)研究[D];重慶大學(xué);2016年

4 Muhammad Amin;高維懲罰分位數(shù)回歸建模及其應(yīng)用[D];大連理工大學(xué);2015年

5 韓月麗;極值統(tǒng)計(jì)與分位數(shù)回歸理論及其應(yīng)用[D];天津大學(xué);2009年

6 關(guān)靜;分位數(shù)回歸理論及其應(yīng)用[D];天津大學(xué);2009年

7 項(xiàng)云帆;資本資產(chǎn)定價(jià)模型及實(shí)證分析[D];華中科技大學(xué);2010年

8 陳林興;基于空間視角的我國(guó)省際農(nóng)村居民消費(fèi)趨同性研究[D];浙江大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 代貝;基于分位數(shù)回歸的農(nóng)村居民消費(fèi)區(qū)域差異研究[D];昆明理工大學(xué);2015年

2 羅小青;基于分位數(shù)回歸的中國(guó)GDP與電力消費(fèi)量關(guān)系研究[D];華南理工大學(xué);2015年

3 張成林;隨機(jī)截?cái)嗑�性模型的加權(quán)組合分位數(shù)回歸[D];武漢科技大學(xué);2015年

4 葛偉康;基于分位數(shù)回歸的高速公路交通事故預(yù)測(cè)[D];東南大學(xué);2015年

5 郝祥如;基于分位數(shù)回歸的政府經(jīng)濟(jì)管制強(qiáng)度對(duì)公眾創(chuàng)業(yè)頻度影響的統(tǒng)計(jì)研究[D];山東財(cái)經(jīng)大學(xué);2016年

6 趙建芳;基于分位數(shù)回歸模型的農(nóng)村養(yǎng)老保險(xiǎn)消費(fèi)效應(yīng)分析[D];山東財(cái)經(jīng)大學(xué);2016年

7 蔣興凡;城鎮(zhèn)居民收入差距代際傳遞的分位數(shù)回歸研究[D];安徽大學(xué);2016年

8 常琳;異方差泊松自回歸模型的分位數(shù)回歸估計(jì)[D];吉林大學(xué);2016年

9 杜艷芳;基于分位數(shù)回歸的空氣質(zhì)量指數(shù)分析[D];蘭州大學(xué);2016年

10 張成;基于分位數(shù)回歸的金融風(fēng)險(xiǎn)管理[D];西南交通大學(xué);2016年

  本文關(guān)鍵詞：基于SDSEVaR的中國(guó)金融體系系統(tǒng)性風(fēng)險(xiǎn)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：346001