金融数据论文精品(七篇)

序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了七篇金融数据论文范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。

篇(1)

关键字：数据挖掘金融数据

金融部门每天的业务都会产生大量数据，利用目前的数据库系统可以有效地实现数据的录入、查询、统计等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段，导致了数据爆炸但知识贫乏”的现象。与此同时，金融机构的运作必然存在金融风险，风险管理是每一个金融机构的重要工作。利用数据挖掘技术不但可以从这海量的数据中发现隐藏在其后的规律，而且可以很好地降低金融机构存在的风险。学习和应用数扼挖掘技术对我国的金融机构有重要意义。

一、数据挖掘概述

1.数据挖掘的定义对于数据挖掘，一种比较公认的定义是W.J.Frawley，G.PiatetskShapiro等人提出的。数据挖掘就是从大型数据库的数据中提取人们感兴趣的知识、这些知识是隐含的、事先未知的、潜在有用的信息，提取的知识表示为概念(Concepts)，规则(Rules)、规律(Regularities)、模式(Patterns)等形式。这个定义把数据挖掘的对象定义为数据库。

随着数据挖掘技术的不断发展，其应用领域也不断拓广。数据挖掘的对象已不再仅是数据库，也可以是文件系统，或组织在一起的数据集合，还可以是数据仓库。与此同时，数据挖掘也有了越来越多不同的定义，但这些定义尽管表达方式不同，其本质都是近似的，概括起来主要是从技术角度和商业角度给出数据挖掘的定义。

从技术角度看，数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在的和有用的信息和知识的过程。它是一门广义的交叉学科，涉及数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息检索、高性能计算和数据可视化等多学科领域且本身还在不断发展。目前有许多富有挑战的领域如文本数据挖掘、Web信息挖掘、空间数据挖掘等。

从商业角度看，数据挖掘是一种深层次的商业信息分析技术。它按照企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性并进一步将其模型化，从而自动地提取出用以辅助商业决策的相关商业模式。

2.数据挖掘方法

数据挖掘技术是数据库技术、统计技术和人工智能技术发展的产物。从使用的技术角度，主要的数据挖掘方法包括：

2.1决策树方法：利用树形结构来表示决策集合，这些决策集合通过对数据集的分类产生规则。国际上最有影响和最早的决策树方法是ID3方法，后来又发展了其它的决策树方法。

2.2规则归纳方法：通过统计方法归纳，提取有价值的if-then规则。规则归纳技术在数据挖掘中被广泛使用，其中以关联规则挖掘的研究开展得较为积极和深入。

2.3神经网络方法：从结构上模拟生物神经网络，以模型和学习规则为基础，建立3种神经网络模型：前馈式网络、反馈式网络和自组织网络。这种方法通过训练来学习的非线性预测模型，可以完成分类、聚类和特征挖掘等多种数据挖掘任务。

2.4遗传算法：模拟生物进化过程的算法，由繁殖(选择)、交叉(重组)、变异(突变)三个基本算子组成。为了应用遗传算法，需要将数据挖掘任务表达为一种搜索问题，从而发挥遗传算法的优化搜索能力。

2.5粗糙集(RoughSet)方法：Rough集理论是由波兰数学家Pawlak在八十年代初提出的一种处理模糊和不精确性问题的新型数学工具。它特别适合于数据简化，数据相关性的发现，发现数据意义，发现数据的相似或差别，发现数据模式和数据的近似分类等，近年来已被成功地应用在数据挖掘和知识发现研究领域中。

2.6K2最邻近技术：这种技术通过K个最相近的历史记录的组合来辨别新的记录。这种技术可以作为聚类和偏差分析等挖掘任务。

2.7可视化技术：将信息模式、数据的关联或趋势等以直观的图形方式表示，决策者可以通过可视化技术交互地分析数据关系。可视化数据分析技术拓宽了传统的图表功能，使用户对数据的剖析更清楚。

二、数据挖掘在金融行业中的应用数据挖掘已经被广泛应用于银行和商业中，有以下的典型应用：

1.对目标市场(targetedmarketing)客户的分类与聚类。例如，可以将具有相同储蓄和货款偿还行为的客户分为一组。有效的聚类和协同过滤(collaborativefiltering)方法有助于识别客户组，以及推动目标市场。

2..客户价值分析。

在客户价值分析之前一般先使用客户分类，在实施分类之后根据“二八原则”，找出重点客户，即对给银行创造了80%价值的20%客户实施最优质的服务。重点客户的发现通常采用一系列数据处理、转换过程、AI人工智能等数据挖掘技术来实现。通过分析客户对金融产品的应用频率、持续性等指标来判别客户的忠诚度；通过对交易数据的详细分析来鉴别哪些是银行希望保持的客户；通过挖掘找到流失的客户的共同特征，就可以在那些具有相似特征的客户还未流失之前进行针对性的弥补。

3.客户行为分析。

找到重点客户之后，可对其进行客户行为分析，发现客户的行为偏好，为客户贴身定制特色服务。客户行为分析又分为整体行为分析和群体行为分析。整体行为分析用来发现企业现有客户的行为规律。同时，通过对不同客户群组之间的交叉挖掘分析，可以发现客户群体间的变化规律，并可通过数据仓库的数据清洁与集中过程，将客户对市场的反馈自动输人到数据仓库中。通过对客户的理解和客户行为规律的发现，企业可以制定相应的市场策略。

4.为多维数据分析和数据挖掘设计和构造数据仓库。例如，人们可能希望按月、按地区、按部门、以及按其他因素查看负债和收入的变化情况，同时希望能提供诸如最大、最小、总和、平均和其他等统计信息。数据仓库、数据立方体、多特征和发现驱动数据立方体，特征和比较分析，以及孤立点分析等，都会在金融数据分析和挖掘中发挥重要作用。

5.货款偿还预测和客户信用政策分析。有很多因素会对货款偿还效能和客户信用等级计算产生不同程度的影响。数据挖掘的方法，如特征选择和属性相关性计算，有助于识别重要的因素，别除非相关因素。例如，与货款偿还风险相关的因素包括货款率、资款期限、负债率、偿还与收入(payment——to——income)比率、客户收入水平、受教育程度、居住地区、信用历史，等等。而其中偿还与收入比率是主导因素，受教育水平和负债率则不是。银行可以据此调整货款发放政策，以便将货款发放给那些以前曾被拒绝，但根据关键因素分析，其基本信息显示是相对低风险的申请。

6.业务关联分析。通过关联分析可找出数据库中隐藏的关联网，银行存储了大量的客户交易信息，可对客户的收人水平、消费习惯、购买物种等指标进行挖掘分析，找出客户的潜在需求;通过挖掘对公客户信息，银行可以作为厂商和消费者之间的中介，与厂商联手，在掌握消费者需求的基础上，发展中间业务，更好地为客户服务。

7.洗黑钱和其他金融犯罪的侦破。要侦破洗黑钱和其他金融犯罪，重要的一点是要把多个数据库的信息集成起来，然后采用多种数据分析工具找出异常模式，如在某段时间内，通过某一组人发生大量现金流量等，再运用数据可视化工具、分类工具、联接工具、孤立点分析工具、序列模式分析工具等，发现可疑线索，做出进一步的处理。

数据挖掘技术可以用来发现数据库中对象演变特征或对象变化趋势，这些信息对于决策或规划是有用的，金融

行业数据的挖掘有助于根据顾客的流量安排工作人员。可以挖掘股票交易数据，发现可能帮助你制定投资策略的趋势数据。挖掘给企业带来的潜在的投资回报几乎是无止境的。当然，数据挖掘中得到的模式必须要在现实生活中进行验证。

参考文献：

丁秋林，力士奇.客户关系管理.第1版.北京：清华人学出版社，2002

张玉春.数据挖掘在金融分析中的应用.华南金融电脑.2004

篇(2)

一、研究设计

1.模型的选择

目前，价格模型和收益模型是研究财务数据与企业价值相关性最常用的模型。在已有对我国新旧会计准则的定价能力的差异及新准则下公允价值计量的价值相关性问题研究的实证文献中，大都只采用价格模型。国外研究表明，价格模型存在更多计量上的问题，为避免模型选择上带来的误差，我们将同时采用价格模型和收益模型对新旧会计准则的定价能力差异进行研究。

(1)检验新会计准则下的会计数据(净资产和净收益)在资本市场上的定价能力较旧准则是否显着提高。本部分选取2004至2009年上市公司为样本。本文采用的价格模型

(模型1)

式中MVit：总市值;BVit：净资产;Eit：净收益;postit如果遵守新准则则post取1，否则取0。

本文采用的收益模型

(模型2)

Rit：股票回报率，PEIt：净收益(每股数)，Pi-1：股票收盘价。

(2)检验新会计准则下，公允价值计量部分是否具有增量的价值相关性。本部分选取出1907至1909年的上市公司作为样本。本文采用的价格模型

(模型3)

FairVit：交易性金融资产和可供出售金融资产两个科目的余额之和，OthVit：净资产与FairVit的差值。模型中，BVit=FairVit+OthVit。

本文采用的收益模型

(模型4)

PEFairit：公允价值变动损益科目的数额(每股数)，PEOtherit：净收益与PEFairit的差值。模型中PEit=PEFairit+PEOtherit。

本文的数据主要来自国泰安经济金融研究数据库。我们选取中国2007至2009年上市公司为样本，同时选取2004至2006年上市公司为对照样本，考虑到金融类上市公司的特殊性，剔除了金融类公司。

二、实验结果

从模型3和模型4的描述统计结果可以看出，以公允价值计量的净资产和净收益的部分所占比率都比较小，说明我国目前对公允价值计量的应用保持较为谨慎的态度。 新会计准则的实施是否增强了会计数据的解释能力

模型1的回归结果显示BV和E的系数非常显着地异于0，表明这两个变量对股价有很强的解释能力。PostBV和PostE的系数都在1%的水平上显着地异于0，表明从价格模型的角度，新会计准则的实施明显地增强净资产和净收益对股价的解释能力。

从收益模型得出的结果则显示Postit Eit /Pit-1的系数在1%的水平上异于0，表明新会计准则的实施能够为净收益带来增量的价格解释能力。可以看出，新会计准则的实施显着地提高了会计数据的解释能力。 新会计准则下，公允价值计量部分是否具有增量的价值相关性

篇(3)

贺晓宇

四川大学经济学院， 四川 成都 610064

【摘 要】通过CoVaR实证方法利用4家国有银行和2家私有银行的股权收益率值求得中国银行相对其他银行的风险溢出值和各银行相对中国银行的风险溢出值、各银行相对整体银行系统的风险贡献度。结论：中国银行与招商银行的关联程度最高，中国银行与建设银行和工商银行的关联程度较低。同时招商银行对于银行系统的风险贡献率最高，说明了私有银行在发展私人业务上与投资民众联系更紧密。

【关键词】CoVaR法；风险贡献率；审慎监管

一、引言

随着2008年金融危机爆发以来，关于金融机构之间风险传播的研究也逐渐增多，尤其是银行等传统资机构在危机爆发时对于整个金融系统的风险传染贡献程度，而巴塞尔协议也将审慎性监管划为银行监管的主要形式。

在衡量监管必要性条件中，巴塞尔协议主要集中于考察金融机构的资本充足率，资产负债率和损失准备金率等指标。在理论上衡量审慎监管的必要性条件，Adrain和Brunnermeier（2008）的working paper中提到了利用计量条件风险价值的增量和其对总体风险贡献率来衡量。

二、本论文研究对象、数据处理和采用的原理

（一）研究对象和其数据选取

由于我国银行的特殊性，大规模的上市银行基本为国有，其对于整个银行系统的稳定性具有很大的影响力，所以本论文选取了中国几大国有银行。农业银行的上市时间较晚，数据的量不能满足本论文的实证需求，舍去农业银行，确定以中国银行、工商银行，建设银行和交通银行为研究对象。同时为方便计量，添加两家资本规模最大且上市时间较早的股份银行，招商银行和中信银行。

论文的数据选取范围：2008-20112年。受到财务数据报表限制，本论文研究数据的性质是季度数据。数据来源于国泰安数据库。

（二）本论文选取采用的原理方法

1、风险价值

本论文的计算基础是风险价值。风险价值指在一定的置信水平下，某一金融资产在未来一段时间内的最大可能损失：VaRa=inf {v|P（WT￡W-v）31-a}（公式1）。

其中a表示一定的置信度水平，WT表示T时刻期望财富量，W-v表示最大损失量及在险价值。

我们也可以采用Jorion（1996）[2]中提出通过数学的标准化计算可以得到一个计算VaR水平的公式：（公式3），其中 是标准化后的股票收益率分布，且其置信度水准是a。 是收益率标准差， 是计算的时间区间。

2、q分位数回归

（公式4）

公式4中，Qy（τ|x）为关于x的条件分位数，Qμ（τ）为随机扰动项的分位数。对于分位数回归模型，则可采取线性规划法（LP）估计其最小加权绝对偏差，从而得到解释变量的回归系数。得：（公式5）

本文中由于风险价值是定义在一定置信的度水平下的最小损失量，所以采用此回归方法。

3、关于CoVar方法的具体讨论

定义P（Xi

公式6表示在a的置信水平下如果i银行的风险价值为VaRia，则基于这一水准下的j银行的风险价值为CoVaRaji|xi= VaRia。

i对j风险溢出贡献率可用：ΔCoVaRj|iq = CoVaRj|iq -VaRj （公式7） 表示。

如果j表示的是整体银行的风险价值，则公式（7）就表示某一i银行对于银行系统整体的风险溢出贡献程度。

三、实证过程结果分析

（一）实证过程

在处理股权收益率时选择每季度结束日的收盘股价价，计算收益率公式为：Ln（Pt/Pt-1），其中Pt为计算日股票收盘价，Pt-1为股票计算日前一期股票收盘价。为增强计算准确率，将算得的收益率扩大十倍。选取95%的置信度水平，并且收益率服从正态分布，因此得到Za的值为1.658。利用公式（3）进一步得到各个银行单独的风险价值，留备用。本文以中国银行为例，见表1，得到中国银行对其他每家银行的风险溢出贡献和其他每家银行对于中国银行的风险溢出贡献。

（二）实证结果分析

单个银行对其他银行以及系统的风险溢出贡献中首先分析中国银行对于其他银行的风险溢出影响，在中国银行陷入困境时建设银行的风险价值最大，即建设银行此时风险绝对值是最大的，再之是招商银行，工商银行，交通银行和中信银行。再考虑中国银行对于风险溢出的贡献程度，中国银行对于招商银行的风险溢出贡献率是最大的，再之是交通银行，中信银行和工商银行和建设银行。这种风险溢出的贡献率程度最大化也说明两者银行之间的关联性是比较高的。

再之，分析每家银行对于中国银行的影响。发现如果当招商银行陷入困境时其对于中国银行的风险溢出贡献是最大的，其次是中信银行，交通银行，建设银行和工商银行。通过上述，得知国有银行之间的关联程度反而相对较低，而大型国有银行和大型的私有银行之间的关联度是非常高的。

若考虑每家银行对于整体银行系统的风险溢出贡献值，可发现招商银行的风险溢出贡献绝对值是最大的，其次则是交通银行，中信银行，建设银行，工商银行和中国银行。如果再进一步考虑风险溢出贡献的相对值即风险溢出贡献率。

另外一个方面也说明我国股份银行已经逐渐在实力和整体重要性上有赶上并且超越众多国有银行的趋势。实证对于审慎监管有一定的警示作用，即监管机构在选择那些重要性银行进行重点监测时应该考虑各方面因素，考察其风险的相对值而非风险溢出的绝对值，同时注重银行的业务与投资者等民众的紧密程度而非只是资产规模的大小。

参考文献：

[1]Jorion， Philippe， 1997， “Financial Futures： Risk Management”， Published by Irwin Professional， Chicago.

[2]毛奉君，2011：系统重要性金融机构监管问题研究》，《国际金融研究》第9期。

篇(4)

【关键词】POT；APARCH-M；动态风险；杠杆效应

近年来，由美国次贷危机引发的金融危机使得各国金融市场产生大幅波动，让人们广泛意识到对金融机构等实施金融风险管理的重要性。因此，对金融市场极端情形下的损失风险的估计和预测是研究者和各投资者关注的焦点。VaR(Value at Risk)技术正是这样一种定量工具，目前已受到业界的广泛认可，为全球金融市场、电力市场及石油市场广泛采用[1-2]。但是VaR只是市场处于正常变动下市场风险的有效测度，它不能处理金融市场处于极端价格变动的情形，如股市崩盘等，并且它自身不是一致性风险度量工具[3]。而ES(Expected Shortfall)是度量损失超过VaR的期望损失，能较好度量极端风险，并且它是一致性风险度量[3-4]，于是论文将ES作为VaR的一个补充。在传统的风险度量模型中一般考虑的是整个收益率的分布，常用正态分布、t分布、混合正态分布、Laplace分布等来描述。而极值理论(Extreme Value Theory)描述的是分布的尾部行为，故而近年来热衷于将极值用于风险度量研究中[2-7]。

目前，国内外对极值的研究主要集中在条件极值的风险度量和应用上[3-7]。条件极值模型主要是将极值理论中的POT(Peaks Over Threshold)模型与波动模型结合。在国内，极值理论的研究起步较晚，但发展迅速，余力[5]和陈守东[6]等的研究结果表明动态VaR比静态VaR度量更准确；但上述文献中都没考虑金融资产收益率波动的杠杆效应，即非对称性。林宇[7]则通过非对称波动模型与极值模型结合度量风险，测试结果较准确。但他们的研究都忽略了金融资产收益中包含了对风险的补偿，即金融资产收益率与资产风险具有密切的关系。为了反映出这种关系，Engle等1987年提出了GARCH-M模型[9]。陈泽中[9]将GARCH-M模型和EGARCH模型结合起来，分析了我国股市波动的特点。实证结果表明，我国股市存在明显的杠杆效应，且收益率与波动性存在显著的正相关关系。

为了更准确地度量金融市场风险，论文采用更一般的APARCH模型来描述收益率序列的波动，并充分考虑了金融市场的收益率与风险的正相关关系。将极值理论中的POT模型与APARCH-M模型结合，提出了基于POT-APARCH-M的风险度量模型。

1.APARCH-M模型与极值理论中的POT模型

1.1 APARCH-M模型

在针对金融时间序列波动性的建模中，Bollerslev在ARCH模型的基础上提出了广义自回归条件异方差模型，这正是我们目前研究比较多的GARCH模型。GARCH模型是ARCH模型的重要扩展，然而GARCH模型并不能完全反映金融市场波动的特征，特别是其中的杠杆效应。于是Ding，Granger和Engle在1993提出了一个非对称的GARCH模型，即APARCH(asymmetric power ARCH)模型[11]。该模型是个归纳性较强的模型，它将多种ARCH模型和GARCH模型作为其特例，其中包括了TS-GARCH模型，GJR-GARCH模型，Log-GARCH模型，TARCH模型，NARCH模型等[10]。APARCH模型不仅包含了一般GARCH模型的特点，而且还可以捕捉金融市场的杠杆效应。设是股票每日价格的对数收益率序列，满足严格平稳性，且服从APARCH(p,q)过程，则可以由下式表达：

(1)式为均值方程，其中为条件均值，为残差；(2)式中的为条件方差，为标准化残差，是服从均值为0，方差为1的独立同分布序列；(3)式为波动方程，其中参数，，，，，，反映冲击的杠杆效应。

由于金融资产风险的变化对收益的影响，高的收益往往伴随着高的风险，即是资产的收益率会依赖于它的波动。为刻画这种现象，1987年，Engle、Lilien和Robins提出了GARCH-M模型，其中“M”表示收益率的条件均值为GARCH[8]。此时，条件均值可以表示为：

上式中的和为常数，参数叫做风险溢价参数，为正值意味着收益率与它的波动正相关。

于是将(4)式代入到(1)式中，就可以得到APARCH-M模型，即

3.算例分析

3.1 模型参数估计及动态VaR和ES估计

论文选取深证综合指数从2003年12月10日到2011年1月20日的每日收盘价，共1729个数据。取2003年12月10日到2010年1月7日的每日收盘价共1479个数据，用来估计模型的参数；2010年1月8日以后共250个数据用来后验测试。数据来源于大智慧股票软件。深证综指的日损失序列定义为，其中为时收盘价。论文所有的数据处理和分析都在Eviews5.0和R软件下进行的。

通过Eviews5.0软件计算得到损失序列的基本统计特征见表1，括号内为p值。

从表1中可以看出该损失序列尖峰厚尾，且不对称，呈现右偏情形；单位根ADF检验结果表明在1%的置信水平下该序列不存在单位根，即损失序列是平稳的；Ljung-Box统计量Q(5)、Q(10)表明该序列有一定的自相关性，Q2(5)、Q2(10)表明损失序列的平方自相关，从而该损失序列具有很强的ARCH效应。根据前面的分析使用APARCH(1,1)-M-t模型对深证综指样本内损失序列建模，并用最大似然估计对参数进行估计，估计结果见表2。

模型拟合后，对其残差进行ARCH检验，其检验统计量LM(6)的p值为0.99，从而可以判定残差没有异方差性。标准化后的残差序列均值几乎为0，方差也十分接近于1，基本可以看成是标准残差序列。然后对其进行相关性检验，Q(5)=24.301(0)，从而可以认为其是独立序列。标准化后的残差序列的阈值，MEF(超额均值函数)确定如下图1所示。从图1中可以看出阈值在1.8左右，然后结合McNeil和Frey对比Hill方法、历史模拟法等方法，发现选择5%左右的极值数据使用GPD估计效果较好，于是阈值可以确定为1.806，接下来对超过阈值的部分进行GPD拟合，结果如图2所示。从图上看出拟合效果相当好，并且作出其QQ分位图，如下图3所示。于是可以用GPD分布对极值建模，参数估计结果为，。

3.2 模型检验

为了考察风险度量模型的预测效果，常采用Kupiec的失败次数检验方法。其基本思想是：在置信水平为P的条件下，在第t日估计出第t+1日的风险值和，对于第t+1日的实际损失，如果估计出的，那么就认为风险估计值在第t+1日是失败的，并计数一次。最后将失败次数比上考察的总次数得到失败率。对于ES的估计也是采用同样的方法。如果失败率远大于，则认为是低估了风险，反之则是高估了风险。只有失败率接近，风险度量方法才被认为相对可靠。论文还将此模型检验结果与EGARCH-M-POT模型，APARCH-POT模型检验结果进行了对比，从而可以看出此模型的优越性。

从上表2深证综指的后验测试结果可以看出，在99%置信水平下，这三种模型预测的效果是一样的，但在97%置信水平下，基于POT-APARCH-M和POT-EGARCH-M模型预测效果是一样地优于基于POT-APARCH的，从而表明了考虑收益与风险正相关对于金融市场风险的度量更加合理。在95%的置信水平下，基于POT-APARCH-M模型预测的效果是最好的，因为它是失败率是最接近5%，从而表明考虑更一般的APARCH模型来描述收益率的波动比EGARCH更合理。而通过计算ES的失败率结果在高置信水平下，ES的失败率都为零，从而表明ES相比VaR是更为保守的风险度量。

4.结论

论文建立了基于极值理论的POT-APARCH-M-t的动态风险度量模型，用来度量金融市场风险。在描述金融市场波动特征时，采用更一般的APARCH模型。结果表明它比EGARCH模型更优越。在金融市场中往往高的收益伴随着高的风险，即收益与风险是负相关的，从而将APARCH模型与GARCH-M结合。经过深证综指风险度量结果表明损失与风险是负相关的，并且更准确地度量风险。而在度量空头风险时，通过检验表明，在高置信水平下，ES过于保守，从而可以看出收益率的右尾较薄。论文只是对收益率分布上尾极端风险进行了度量，当然还可以对下尾极端风险进行度量，论文在阈值选取时，带有一定的主观性，阈值准确的选择方法一直是现在要解决的问题。

参考文献

[1]王春峰.金融市场风险管理[M].天津:天津大学出版社,1999.

[2]Bekiros S.D.,Georgoutsos D.A.Estimation of Val-ue-at-Risk by extreme value and conventional method:a comparative evaluation of their predictive performa-nce[J].Int.Fin.Markets,Inst.and Money,2005(15):209-228.

[3]Artzner P.,Delbaen,Eber J.M.,and Heath D.Coher-ent Measures of Risk[J].Mathematical Finance,1999(9):203-228.

[4]Bhattacharyya M.,Ritolia Conditional VaR using EVT-Towards a planned margin scheme[J].Internatio-nal Review of Financial Analysis,2008(17):382-395.

[5]余力,张勇.应用极值分布理论的VaR和CVaR估计[J].求索,2010(4):64-66.

[6]陈守东,孔繁利,胡铮洋.基于极值分布理论的VaR与ES度量[J].数量经济技术研究,2007(3):118-124.

[7]林宇,魏宇,黄登仕.基于GJR模型的EVT动态风险测度研究[J].系统工程学报,2008,23(1):45-51.

[8]Ruey S.Tsay.金融时间序列分析[M].北京:人民邮电出版社,2009.

[9]陈泽忠,杨启智,胡金泉.中国股票市场的波动性研究――EGARCH-M模型的应用[J].决策借鉴,2000,13(5):24-27.

[10]张世英,樊智.协整理论与波动模型[M].北京:清华大学出版社,2009.

篇(5)

论文关键词：投入产出模型，协整检验产出弹性

 

一、引言

保险公司是经营风险的特殊行企业，客观上也存在着生产函数。于规模收益究竟是递增还是递减以及生产要素的产出弹性等问题，直接关系到该企业资源的最优配置状态以及企业决策的制定。通过对其生产函数的深入研究，可以达到提高生产效率的目的。

国内学者在保险领域已做了大量研究。袁金芳（2006）认为包括保险业在内的我国金融中介对经济增长的促进作用主要是通过提高储蓄率和资本形成率两条途径来实现的,而资本的产出率并未相应提高。田瑞波（2005）认为中国保险业发展属于经济带动型，虽然其发展与经济增长之间存在着长期的内在关系，但保险业增长对经济增长的促进作业不显著。吕秀萍（2007）运用DEA方法研究表明，中国保险业的规模效率基本保持较佳水平,而技术效率水平较低且呈现下降趋势。赵旭（2007）认为，从构成上看,存在着保险业技术进步和效率损失并存的格局。上述文献仅在保险行业增长、保险行业效率方面开展了比较深入的研究，但并没有拟合保险企业生产函数，做进一步的讨论。本文目的是用企业的原始数据创新的拟合出的投入产出模型，对其生产函数进行深入的研究，加以获得更多结论。

中国平安集团是中国第一家以保险为核心的毕业论文ppt，融证券、信托、银行等多元金融业务为一体的高效的金融服务集团，于2009年跻身于世界500强行列。从保费收入来衡量，平安人寿为中国第二大寿险公司，平安产险为中国第三大产险公司。截止到2008年12月31日，集团总资产为人民币7,547.18亿元，权益总额为人民币856.96亿元，公司通过旗下各专业子公司共为超过4,000万名个人客户及约200万名公司客户提供了保险保障、投资理财等各项金融服务。基于此，本文选取中国平安集团作为保险企业的典型样本，以1996 -2008的时间序列数据为研究对象，定量分析其生产函数的形式及构成，定性分析得出相应的政策建议。

二、模型的设定

企业进行生产的过程就是从投入生产要素到生产出产品的过程。生产要素一般包括诸如劳动力、设备、原材料、机器厂房及技术等。生产过程中生产要素的投入量和产品的产出量之间的关系，可以用生产函数来表示核心期刊。生产函数表示在一定的时期内，技术水平不变的情况下，生产中所使用的各种生产要素的数量与所能生产的最大产量之间的关系。

假定，，…表示生产过程中所需要投入的n种要素，Y表示产出，则生产函数的一般表达式为：

 

研究企业的生产函数，如果能够详尽地分析出企业投入要素与产出的关系当然最好不过，但这往往比较复杂。通常的处理办法就是将众多的投入要素分成两类：劳动力投入（L）和资本投入（K），因此得到简单的生产函数为：

 

1928 年美国经济学家、数学家柯布(Charles W. Cobo)和道格拉斯(Paul Howard Douglas)在继承与发展前人研究成果的基础上, 将产出和投入的关系简化为以下C-D生产函数：

（模型一）

模型一为经典的C-D生产函数模型。其中，A是无法观测的技术因素，和分别代表了产量对资本投入和劳动投入的弹性。对C-D生产函数取对数得到下式：

（模型二）

全对数线性模型除估计方法的便利之外，其明显的优势在于：它可以直接通过变量的系数得出产出弹性并进一步估计出规模收益。

本文采用模型二，并以中国平安集团的数据为例毕业论文ppt，对保险企业的投入产出进行研究。

三、变量选取和数据来源

对模型中所涉及到的产出、资本和劳动力三个变量，分别采取中国平安集团的保险业务收入、固定资产和职工人数指标作为衡量。保险业务收入是反应保险企业产出的重要指标，这里用该指标作为产出Y的替代；选取各年度的固定资产作为资本存量K的替代；各年度职工人数（不包括保险人等业务人员）作为劳动力L的替代。

本文采用年度数据，样本区间为1996―2008年。本文所涉及的数据均来自各年度《中国保险年鉴》，保险业务收入已经用GDP平减指数平减，固定资产已用固定资产投资价格指数平减，均剔除了价格影响。表1是平安集团1996年―2008年各指标的相关数据。

表1 平安集团保险业务收入、固定资产、职工人数

 

年 份

保险业务收入（百万）

固定资产（百万）

职工人数（人）

1996

10504.40

1483.37

13839

1997

15915.60

3180.46

23966

1998

17659.89

4277.55

10082

1999

22309.48

4342.47

14523

2000

26832.16

4372.15

20390

2001

46318.60

4507.21

26256

2002

62908.06

5318.59

34440

2003

66125.82

5511.00

35999

2004

63902.82

5316.68

39564

2005

73086.21

6061.41

43090

2006

86209.00

7269.08

52229

2007

97766.39

7711.66

70849

2008

128039.08

篇(6)

【关键词】经济波动 金融冲击 数据分析

一、金融冲击概述

许多金融微观数据表明，企业融资效率会对企业本身的经济运转造成严重的影响，但是金融宏观数据很难能够证明，很难具有说服力。

所谓金融冲击对抗，体现了金融市场的制度不完善，这种制度缺失让资金持有者手中的闲置资金不易流通起来，金融市场资金流通不畅，就会加大交易的全过程。

我们通过对企业固有资产投资资金的比例调查，可以发现在我国的企业的各类固有投资资金里，之前国内贷款的部分有了较显著的空间下降，经济周期的波动的走向也难以阻挡。而且这个态势愈演愈烈。因此可以说现在我国企业融资难度越来越大，能够获得的贷款金额也十分有限。如果我国企业贷款能力被无形地削减，从另一个侧面也体现了金融市场流通力度的下降。要知道这些约束大多都来源于金融部门，企业的借贷能力的下降，由此可见，我们把这种恶性影响叫做金融冲击。

二、金融冲击的现状

（一）基于固定资产投资数据的现状

本论文通过固定产出的数据，以图表的形式来研究目前中国企业的融资现状。固定产出的资金来源大概分为以下五项：国家体系预算金、国内贷款、个人资金、国际资金、其他。本论文拿“国内贷款”一类来进行论述。

“国内贷款”单指固定项目投资的各类国内借款，指各类社会合法机构、单位向金融类及非金融类机构筹措的资金。从这个定义可以得出，“国内贷款”首先有一个融资额度，代表贷款人或者贷款机构、单位能够筹措的资金上限。按照国内贷款金额与固定资金之比，我们绘制如下图表，根据时间序列横向排开，数据区间从2000年第三季度到2015年第四季度。

图1清晰地可以发现，从2000年到2015年，国内贷款数额占固有投资数额的比例几乎是一个阶段性下降的态势。如果计算一个均值的话，得出的数值大概是0.3，由此可见从金融机构处获得的企业的投资资金大约30%。这么低的比重也从侧面展示了贷款难度。整体来看，不难得知我国企业未来的贷款形势不容乐观。（注：图1底部左到右刻度分别从2000年至2015年）

现在我们利用H p滤波器，将国内贷款数额的周期性进行展示，图2可以看出，长期波动过后，国内贷款数额的比例开始持续的短期波动。根据图表观察，这种周期性的波动异常频繁，频率值是0.93%。（注：图2底部左到右刻度分别从2000年至2015年）

（二）基于信贷经济数据的现状

政府控制经济所使用的重要举措之一就是信贷管理。某种程度上政府的许多宏观调控政策都能够依靠银行来提高信贷的供给量。由此可见，在中国这样一个资本市场发展相对比较落后的国家，金融市场的主体还是银行，而中国企业的外部融资必须要靠银行的资金输入才能完成，这就凸显了金融机构的信贷功能的重要意义。

如图3所示，为了说明信贷规模对中国宏观经济的重要程度，我们利用HP滤波器来解释贷款总数额量里剩余数额波动和产出的波动。注：图2底部左到右刻度分别从2000年至2015年）

从图3数据来看，可能出于货币政策或其它原因考虑，金融机构不断地调整信贷供给，这当然影响中国企业的金融活动，还会影响到总产出和总投资。面对信贷配给紧张时，有一些企业尽管能够得到贷款，但远远低于他们的预期，不能全面的满足资金预期。有一些企业很难获得贷款，哪怕付出很多的代价也无济于事。所以说金融部门的干扰尤其是银行信贷，会对实体经济带来非常重要的冲击。

从现状来看，我国的金融体系正在发生一系列重大的变革，变革的深度与宽度难以预料。所以说找到金融变革的核心，这对中国未来经济的影响异常重要。

现在国内很多学者都开始着手研究金融市场和经济周期两者是否存在着一些联系，像著名学者王文甫以及刘方等都对中国经济波动特征进行了解释，他们都认为信用借贷和民间小额借贷对金融市场的有序流通起到了特殊的传导作用。另外有一些经济学者对银行信贷进行了量化研究，除此之外，少数研究人员对银行信贷服务对经济波动的影响提出了独特的想法。

三、金融冲击与中国经济波动的关系

通过分析我国企业固有资产资金数额，进一步对其潜在的问题进行剖析。固定产出的资金来源大概分为以下五项：国家体系预算金、国内贷款、个人资金、国际资金、其他。在这里我们需要对国内贷款做深度的剖析，“国内贷款”单指固定项目投资的各类国内借款，指各类社会合法机构、单位向金融类及非金融类机构筹措的资金。我们认为国内贷款数额是有一个上限额度，许多案例都说明这个上限额度已经出现了逐步下降的态势，现在中国大多数企业能够流入的借贷比例大约只有22%，直接反映了中国企业贷款越来越难，障碍也越来越多。

四、结语

最近的金融海啸和经济危机再一次证明了金融市场和环境对经济波动有实质性的影响。许多金融专家认为不能忽视金融市场环境对经济产量带来的波动和干扰。上文分析了金融冲击的经济后果，最后得出中国企业的固有资产资金数额里，国内贷款占比持续低落、经济周期频率上呈现了持续震动的结论，这种持续震动的后果体现了当下中国企业信贷能力的停滞不前，借贷渠道的干涩紧乏，上限额度的持续下降，这都体现了金融冲击的可怕影响。

首先，本论文分析了固定资产投资资金数据，最终得出了我国企业国内贷款占比出现下降趋势，企业获得的贷款越来越少，借贷能力受到的约束也在加大，且未知干扰也越来越多。各类金融机构贷款数额中，贷款剩余数额与经济波动之间具有密切的相关性。也就是说信贷是影响经济阶段性频率波动的关键所在。其余原因包括整个金融市场上面融资信息的不均衡不对称等，这些都干扰了中国企业的贷款质量和数量。

金融冲击作为带动我国经济阶段性波动的关键因素，它体现了可计算性。消费、就业、债权、债务、产出等增长波动都可被计算。我国大约75%的经济产量增长浮动都能从金融冲击的角度来体现，像产出、消费、投资和就业等宏观经济都可以被解释。

总的来说，中国是一个发展中国家，而发展中国家的金融抑制问题是当前许多国家普遍存在的问题，一方面由于发展中国家的金融环境和经济市场体制的不成熟，另一方面与全球范围内的金融海啸动荡有关联，包括世界性政治文化等原因，都会对中国经济波动产生微妙的关联，所以分析中国经济波动的原因，一定要全面具体的综合考虑各种方面，这也是未来的主要探讨思路。

参考文献：

[1] 陈文亭，龚六堂.粘滞价格模型以及中国经济的数值模拟―对基本RBC模型的改进[J].数量经济与技术经济研究，2014，9.

篇(7)

摘 要：每一个成功的企业对广告都非常重视，不惜斥巨资进行广告宣传。那么广告支出对企业绩效的影响到底如何？如果广告有效，那为什么还有企业破产清算？通过实证研究探寻广告支出对企业绩效的影响，发现广告支出与企业绩效存在着正相关关系和倒U型关系，继而确定最佳广告支出规模对企业长远发展具有重要意义。

关键词：广告；绩效；非线性

一、前言

当今信息社会，企业无不重视信息工程的建设，努力向外部人传递积极向好的消息，借以扩大产品销售市场或是进行融资。广告是企业进行宣传的手段之一，它正在以一种妖娆的姿态渗透到我们生活的方方面面。广告的形式也呈现多样化，植入式广告这种具有很高的隐蔽性的广告越来越受到企业的青睐。实力雄厚的企业不惜斥巨资邀名人代言以期产生名人效应，推动产品的知名度与影响力。我们不禁要问，广告能在多大程度上提升企业的经营绩效？广告投入是否也遵循边界效益递减的规律？这些是本文将要研究的问题。

二、研究假设

H1：广告投入与企业绩效正相关。H2：广告投入与企业绩效是倒U型关系。

（一）变量设计与研究模型

本文的研究变量主要从企业绩效和广告投入两方面考虑，分别选取了营业收入指标（REVENUE）和销售费用（SALEFEE）。控制变量主要有资产负债率（DA）、总资产周转率（TURNOVER）、总资产（ASSET）。

为了检验假设1和假设2，我们分别建立模型1：REVENUE=α0+α1SALEFEE+α2DA+α3TURNOVER+α4ASSET+ε和模型2：REVENUE=β0+β1SALEFEE+β2SALEFEE^2+β3DA+β4TURNOVER+β5ASSET+ε。α1应该为正，说明企业绩效随着广告投入的增加而增加；β2应该为负，反应销售量随广告支出先增加后减少的趋势。

（二）样本选择与数据来源

本文选择2010年第一季度至2012年第三季度我国沪深两市上市公司的数据为初始样本，并对样本进行了筛选，首先考虑到金融行业的经营模式和盈利来源与其他非金融行业存在较大差别，剔除了金融行业的上市公司，只考虑一般企业的情况；剔除了数据缺失、异常的上市公司。最后本文得到2658个数据。本文所有的数据均来源CCER经济金融数据库，并采用EXCEL和EVIEWS6.0对数据进行了必要的加工和处理。

三、实证分析与结果

（一）描述性统计

本文分别对研究变量和控制变量进行了统计性分析（见表一）。从中我们发现，营业收入均值约为3.55亿元，营业收入总体波动较大，小到19万，大到133亿。销售费用均值为0.191亿元，最小1375元，最大11.1亿元。差距显著，反映不同的企业对销售的重视程度不同。同样，在不同行业、不同企业中资产规模存在较大差异。

表一 各变量描述性统计表

（二）回归方程结果

312本文运用EVIEWS6.0进行了OLS回归分析（见表3）。各系数均通过5%的显著性，模型的拟合度达到88%以上，F值很大，建模成功。从模型1，我们发现销售费用的系数为0.22>0，且显著，符合假设1，表示销售支出每增加1%，企业的营业收入将增加0.22%。同时，各控制变量前的系数均为正，说明它们与企业绩效也存在正向关系。

从模型2，我们看到销售费用的一次和二次项系数均显著，其中二次项系数-0.005

表三 方程回归结果

四、结论与建议

本文的分析证实了广告支出与企业绩效的正相关和倒U型关系。广告支出每提高1%，相应的企业营业收入增加022%。这意味着广告费用并非越多越好，客观存在一个使企业收益最大化的广告支出。

参考文献

[1] 仓平营销策略组合对品牌权益的影响机理研究―基于休闲运动服饰品牌的实证[D]上海：上海交通大学博士学位论文，2007