混頻數(shù)據(jù)抽樣（MIDAS）方法為在計(jì)量模型中同時(shí)處理不同頻率的數(shù)據(jù)提供了一般化框架,通過(guò)參數(shù)化的權(quán)重格式,使得模型在避免信息損失的同時(shí),不會(huì)產(chǎn)生過(guò)參數(shù)化的問(wèn)題.作為債券市場(chǎng)的外部環(huán)境,宏觀經(jīng)濟(jì)政策的影響不容忽視.分析宏觀基本面對(duì)上市公司財(cái)務(wù)困境、高收益?zhèn)袌?chǎng)波動(dòng)與股債市場(chǎng)間的相關(guān)性的影響具有十分重要的現(xiàn)實(shí)意義.本文利用MIDAS技術(shù),主要從以下三個(gè)方面研究宏觀經(jīng)濟(jì)政策對(duì)債券資產(chǎn)不同方面不同程度的影響.首先,將Aalen可加風(fēng)險(xiǎn)模型與MIDAS結(jié)合,建立Aalen-MIDAS模型,分析公司財(cái)務(wù)季度與宏觀月度因子對(duì)中國(guó)上市公司財(cái)務(wù)困境的影響.研究發(fā)現(xiàn),七個(gè)公司財(cái)務(wù)指標(biāo)與居民消費(fèi)價(jià)格指數(shù)同比、生產(chǎn)價(jià)格指數(shù)同比和企業(yè)債信用利差三個(gè)宏觀經(jīng)濟(jì)指標(biāo)對(duì)上市公司陷入財(cái)務(wù)困境的影響顯著.居民消費(fèi)價(jià)格指數(shù)為上市公司財(cái)務(wù)困境的保護(hù)因素,可以降低發(fā)生財(cái)務(wù)困境的概率.ROC曲線(xiàn)分析表明,與Aalen模型相比,Aalen-MIDAS模型可以改善對(duì)上市公司財(cái)務(wù)困境的預(yù)測(cè)性能.其次,基于GARCH-MIDAS模型分析經(jīng)濟(jì)政策不確定性、貨幣政策、稅收、政府支出和金融監(jiān)管分別對(duì)美國(guó)高收益?zhèn)▌?dòng)的影響.通過(guò)實(shí)證研究發(fā)現(xiàn),... 

【文章來(lái)源】：桂林電子科技大學(xué)廣西壯族自治區(qū)

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

非參數(shù)模型中各解釋變量的時(shí)變性檢驗(yàn)過(guò)程

第二章 基于 Aalen-MIDAS 的上市公司財(cái)務(wù)困境研究23圖2.4 非參數(shù)可加模型中解釋變量的累積回歸函數(shù)圖2.4中的三條直線(xiàn)分別表示累計(jì)回歸系數(shù)與其95%的置信區(qū)間. 從圖中可以直觀看出各個(gè)影響系數(shù)的時(shí)變情形. 總資產(chǎn)規(guī)模(Logzc)、留存的收益/資產(chǎn)總金額(R R)與銷(xiāo)售收入/資產(chǎn)總金額(IR)指標(biāo)的累積回歸系數(shù)具有明顯的隨時(shí)間增長(zhǎng)降低的趨勢(shì),因而說(shuō)明隨著上市公司的運(yùn)營(yíng)時(shí)間增加, 這三個(gè)指標(biāo)的值越大, 上市公司陷入財(cái)務(wù)困境的概率越小.

25圖 2.5 各解釋變量的時(shí)變檢驗(yàn)過(guò)程圖2.5為Aalen-MIDAS模型中除Logzc外的公司財(cái)務(wù)解釋變量的時(shí)變檢驗(yàn)過(guò)程, 從圖中直觀了解混頻半?yún)?shù)模型中時(shí)變效應(yīng)的檢驗(yàn)過(guò)程. 流動(dòng)比率(DA)、營(yíng)業(yè)利潤(rùn)率(YYLR)、運(yùn)營(yíng)資金/資產(chǎn)總金額(CCR)、留存的收益/資產(chǎn)總金額(RR)、息稅前的利潤(rùn)/資產(chǎn)總金額(PR)與銷(xiāo)售收入/資產(chǎn)總金額(IR)六個(gè)財(cái)務(wù)指標(biāo)與Aalen可加非參數(shù)模型中的時(shí)變檢驗(yàn)過(guò)程相一致, 表明設(shè)定總資產(chǎn)規(guī)模(Logzc)解釋變量為非時(shí)變解釋變量并加入宏觀經(jīng)濟(jì)解釋變量混頻結(jié)構(gòu)后, 不會(huì)對(duì)非參數(shù)模型結(jié)果產(chǎn)生影響. 混頻Aalen可加半?yún)?shù)模型的結(jié)果與前一節(jié)中非參數(shù)模型結(jié)果相一致.§2.3.3 模型穩(wěn)健性檢驗(yàn)在前文中, 通過(guò)對(duì)全樣本建立 Aalen 可加模型, 發(fā)現(xiàn)有七個(gè)公司財(cái)務(wù)解釋變量、三個(gè)宏觀經(jīng)濟(jì)解釋變量對(duì)上市公司陷入財(cái)務(wù)困境具有顯著影響, 并且除總資產(chǎn)規(guī)模外的其余六個(gè)公司財(cái)務(wù)解釋變量的影響具有時(shí)變效應(yīng), 隨時(shí)間而變化. 為了考量選取的解釋變量對(duì)上市公司的財(cái)務(wù)困境的影響是否具有穩(wěn)健性

【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)經(jīng)濟(jì)政策不確定性與亞洲股市的動(dòng)態(tài)關(guān)系——基于時(shí)變Copula模型的分析[J]. 韓菲,王超.  投資研究. 2018(07)
[2]經(jīng)濟(jì)政策不確定性與我國(guó)股市波動(dòng)率預(yù)測(cè)研究[J]. 雷立坤,余江,魏宇,賴(lài)曉東.  管理科學(xué)學(xué)報(bào). 2018(06)
[3]中國(guó)經(jīng)濟(jì)政策不確定性對(duì)公司債波動(dòng)的影響研究[J]. 張茂軍,秦文哲,姚家進(jìn).  金融與經(jīng)濟(jì). 2018(02)
[4]上市公司財(cái)務(wù)困境時(shí)間效應(yīng)的實(shí)證判別與理論猜想[J]. 丁志國(guó),耿迎濤,趙晶,丁鈺洋.  會(huì)計(jì)研究. 2018(02)
[5]銀行間債券市場(chǎng)與利率互換市場(chǎng)的聯(lián)動(dòng)性——基于DCC-MIDAS模型的實(shí)證[J]. 張屹山,杜彤偉,楊成榮.  系統(tǒng)工程. 2018(01)
[6]基于新聞文本的上市公司財(cái)務(wù)困境組合預(yù)測(cè)模型[J]. 陳云,楊曉雪.  計(jì)算機(jī)應(yīng)用研究. 2017(06)
[7]基于混頻回歸類(lèi)模型對(duì)中國(guó)季度GDP的預(yù)報(bào)方法研究[J]. 王維國(guó),于揚(yáng).  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2016(04)
[8]基于變量聚類(lèi)和COX比例風(fēng)險(xiǎn)模型的企業(yè)財(cái)務(wù)預(yù)警研究[J]. 鮑新中,陶秋燕,傅宏宇.  系統(tǒng)管理學(xué)報(bào). 2015(04)
[9]經(jīng)濟(jì)政策不確定性會(huì)抑制企業(yè)投資嗎?——基于中國(guó)經(jīng)濟(jì)政策不確定指數(shù)的實(shí)證研究[J]. 李鳳羽,楊墨竹.  金融研究. 2015(04)
[10]基于混頻數(shù)據(jù)模型的中國(guó)經(jīng)濟(jì)周期區(qū)制監(jiān)測(cè)研究[J]. 李正輝,鄭玉航.  統(tǒng)計(jì)研究. 2015(01)



本文編號(hào)：3068095