一、 研究進(jìn)展情況
① 研究計(jì)劃總體執(zhí)行情況及各子課題進(jìn)展情況
國(guó)家社科基金重大項(xiàng)目“金融復(fù)雜系統(tǒng)的演化與控制研究”項(xiàng)目于2013年7月參加了國(guó)家社會(huì)科學(xué)規(guī)劃辦進(jìn)行的中期檢查。 2013年7月以來，課題組按照項(xiàng)目研究計(jì)劃，在已經(jīng)取得研究成果的基礎(chǔ)上，繼續(xù)深入開展金融復(fù)雜系統(tǒng)的演化與控制的理論與應(yīng)用研究。
在有關(guān)單位及各位課題組成員的通力合作下, 項(xiàng)目研究總體計(jì)劃及各子課題研究進(jìn)展順利，較好地完成了項(xiàng)目預(yù)期的研究任務(wù)，取得了一批高水平的重要研究成果，完成了項(xiàng)目研究的預(yù)期目標(biāo)。2013年7月以來，已經(jīng)在國(guó)際重要刊物《European Journal of Operational Research 》、《Applied Soft Computing》、《Insurance： Mathematics & Economics》、《Computational Economics》、《Neurocomputing》、《Economic Modelling》和《IEEE Transactions on Image Processing》及國(guó)內(nèi)重要刊物《系統(tǒng)工程理論與實(shí)踐》、《中國(guó)管理科學(xué)》、《系統(tǒng)工程學(xué)報(bào)》及《系統(tǒng)管理學(xué)報(bào)》等發(fā)表（含錄用）學(xué)術(shù)論文49篇，其中SSCI、SCI收錄28篇（不重復(fù)計(jì)）。向全國(guó)哲學(xué)社會(huì)科學(xué)規(guī)劃辦公室有關(guān)部門提交成果要報(bào)4篇，完成專題研究報(bào)告2份，上報(bào)省部級(jí)有關(guān)領(lǐng)導(dǎo)。邀請(qǐng)國(guó)內(nèi)外專家學(xué)者及金融部門實(shí)際管理者進(jìn)行交流，舉辦各種形式項(xiàng)目研討會(huì)10余次，派遣項(xiàng)目研究人員參加國(guó)內(nèi)外相關(guān)學(xué)術(shù)會(huì)議10余次。各子課題進(jìn)展情況如下：
子課題一：金融復(fù)雜系統(tǒng)結(jié)構(gòu)、相互作用及關(guān)系
1、深入開展了多個(gè)主要金融市場(chǎng)（外匯市場(chǎng)、貨幣市場(chǎng)、股票市場(chǎng)）關(guān)聯(lián)性及協(xié)調(diào)性研究。運(yùn)用DCC-MVGARCH模型、SVAR模型、脈沖響應(yīng)函數(shù)等方法研究主要金融市場(chǎng)動(dòng)態(tài)關(guān)聯(lián)性問題。分別從經(jīng)濟(jì)適應(yīng)性、規(guī)模合理性、市場(chǎng)聯(lián)動(dòng)性、功能效率性四個(gè)方面研究金融市場(chǎng)發(fā)展的協(xié)調(diào)性問題，建立了一個(gè)完整的評(píng)價(jià)主要金融市場(chǎng)發(fā)展協(xié)調(diào)性的指標(biāo)體系，包括經(jīng)濟(jì)適應(yīng)值、配比值、動(dòng)態(tài)條件相關(guān)系數(shù)、脈沖響應(yīng)函數(shù)、儲(chǔ)蓄率、投資-儲(chǔ)蓄轉(zhuǎn)化率、增量金融相關(guān)率、銀行業(yè)利潤(rùn)等21個(gè)具體的評(píng)價(jià)指標(biāo)。
2、利用金融市場(chǎng)發(fā)展協(xié)調(diào)性的評(píng)價(jià)指標(biāo)體系，開展了中國(guó)與美國(guó)、英國(guó)、日本及巴西的比較研究。通過實(shí)證分析，客觀評(píng)價(jià)出中國(guó)貨幣市場(chǎng)和股票市場(chǎng)發(fā)展水平與經(jīng)濟(jì)發(fā)展的適應(yīng)性低，中國(guó)貨幣市場(chǎng)、股票市場(chǎng)及外匯市場(chǎng)結(jié)構(gòu)不合理及市場(chǎng)間聯(lián)動(dòng)性較弱，融資結(jié)構(gòu)不合理，我國(guó)儲(chǔ)蓄向投資的轉(zhuǎn)化過少，缺少流通資金渠道，金融市場(chǎng)促進(jìn)實(shí)體經(jīng)濟(jì)發(fā)展的作用發(fā)揮不夠等我國(guó)金融市場(chǎng)存在的問題。
3、開展了多元市場(chǎng)之間（外匯市場(chǎng)、貨幣市場(chǎng)、股票市場(chǎng)、債券市場(chǎng)、基金市場(chǎng)）的波動(dòng)溢出效應(yīng)及量?jī)r(jià)關(guān)系研究。運(yùn)用獨(dú)立成分分析（ICA）方法建立基于ICA的IC-EGARCH波動(dòng)溢出擴(kuò)展模型。實(shí)證分析了我國(guó)上證綜指、上證基金、上證國(guó)債、美元兌人民幣匯率和上海銀行間同業(yè)拆借利率間的波動(dòng)溢出效應(yīng)。
4、開展了銀行表外業(yè)務(wù)與貨幣政策信貸傳導(dǎo)機(jī)制有效性研究。分析了商業(yè)銀行表外業(yè)務(wù)的發(fā)展對(duì)于傳統(tǒng)貨幣政策信貸傳導(dǎo)機(jī)制的作用機(jī)理，構(gòu)建了考慮銀行表外業(yè)務(wù)影響的銀行信貸傳導(dǎo)模型，并應(yīng)用我國(guó)16家主要商業(yè)銀行2008年—2013年的實(shí)際數(shù)據(jù)對(duì)貨幣政策信貸渠道的有效性進(jìn)行了實(shí)證檢驗(yàn)。
子課題二：金融復(fù)雜系統(tǒng)的非線性系統(tǒng)分析
主要利用非線性范式深入分析中國(guó)貨幣市場(chǎng)、證券市場(chǎng)和外匯市場(chǎng)的演化過程，并提出具體的策略建議。首先，建立符合我國(guó)實(shí)際情況的非線性模型，對(duì)應(yīng)建立新的量化指標(biāo)。再進(jìn)一步基于不同模型結(jié)構(gòu)分析各個(gè)金融市場(chǎng)，以達(dá)到控制市場(chǎng)、預(yù)測(cè)市場(chǎng)的目的。從政策目標(biāo)的角度看清以外匯市場(chǎng)為主導(dǎo)的市場(chǎng)格局，基于TVP-VAR模型研究貨幣政策的控制策略，基于DE-ELM模型預(yù)測(cè)股票市場(chǎng)。最后，從金融系統(tǒng)的環(huán)境、組成、關(guān)聯(lián)、演化、穩(wěn)定、風(fēng)險(xiǎn)各方面構(gòu)建起應(yīng)對(duì)復(fù)雜性的宏觀管理框架。主要從以下幾個(gè)方面展開工作：
1、在系統(tǒng)觀指導(dǎo)下，利用復(fù)雜性理論研究由中國(guó)貨幣市場(chǎng)、證券市場(chǎng)、匯率市場(chǎng)這幾個(gè)主要市場(chǎng)組成的金融系統(tǒng)，在非線性范式下拓展原有標(biāo)準(zhǔn)理論對(duì)復(fù)雜性的理解、豐富對(duì)金融市場(chǎng)的認(rèn)識(shí)。結(jié)合已有的理論研究和經(jīng)驗(yàn)證據(jù)，主要面向金融市場(chǎng)表現(xiàn)出的結(jié)構(gòu)上的相關(guān)性、作用上的非線性、功能上的適應(yīng)性三大機(jī)理進(jìn)行分析并建模。進(jìn)一步給出金融市場(chǎng)系統(tǒng)復(fù)雜性特征與演化機(jī)理間的表征關(guān)系。
2、基于我國(guó)的金融數(shù)據(jù)，采用人工智能算法(如差分進(jìn)化(DE)算法)估計(jì)并建立了我國(guó)三個(gè)主要市場(chǎng)的演化模型，刻畫了市場(chǎng)的非線性結(jié)構(gòu)。課題組分別采用不同的模型進(jìn)行研究。一類是自頂向下的模型構(gòu)建方法，先設(shè)定一串解釋變量，然后逐步排查以保證所建立的模型與現(xiàn)實(shí)保持漸近有效性。另一類是自底向上的模型構(gòu)建方法。從僅包含三個(gè)解釋變量的宏觀模型入手，保證所建模型與現(xiàn)實(shí)的漸近一致性。
3、依照不同的模型構(gòu)建方法，對(duì)應(yīng)建立不同的市場(chǎng)指標(biāo)。第一類是先選取能夠反映各個(gè)市場(chǎng)特征的19個(gè)重要指標(biāo)，進(jìn)行了因果關(guān)系檢驗(yàn)，選出了12個(gè)既反映所在市場(chǎng)狀況又與另外兩個(gè)市場(chǎng)緊密聯(lián)系的決策指標(biāo)，最后構(gòu)建股票、貨幣及外匯市場(chǎng)的三個(gè)綜合指數(shù)。第二類是從我國(guó)的實(shí)際情況出發(fā)，結(jié)合我國(guó)增持外匯儲(chǔ)備的事實(shí)引入外匯干預(yù)指數(shù)，著重體現(xiàn)政府以外匯儲(chǔ)備為手段對(duì)匯率穩(wěn)定性的干預(yù)程度。兩類指標(biāo)從不同的角度理解三個(gè)市場(chǎng)的波動(dòng)性。
4、根據(jù)由數(shù)據(jù)驅(qū)動(dòng)估計(jì)出的非線性模型，利用非線性動(dòng)力學(xué)工具對(duì)我國(guó)金融市場(chǎng)的基本態(tài)勢(shì)進(jìn)行判斷。實(shí)證結(jié)果表明：在政策偏好上，我國(guó)注重維護(hù)匯率的穩(wěn)定性、資本開放度與貨幣政策獨(dú)立性漸近趨于中等的水平。它們之間存在著短期(約1年)與長(zhǎng)期(約5年)不同結(jié)構(gòu)的非線性均衡關(guān)系。短期內(nèi)存在趨于一個(gè)穩(wěn)定值的趨勢(shì)，長(zhǎng)期上因具初值敏感依賴性使其有可能趨于不同配比的情形，并由此構(gòu)成各政策目標(biāo)間的三難困境。進(jìn)而結(jié)合金融市場(chǎng)復(fù)雜性觀點(diǎn)提出具體的策略建議，并從金融系統(tǒng)的環(huán)境、組成、關(guān)聯(lián)、演化、穩(wěn)定、風(fēng)險(xiǎn)各方面構(gòu)建起應(yīng)對(duì)復(fù)雜性的宏觀管理框架。
5、為了將研究成果充分地應(yīng)用到市場(chǎng)實(shí)踐中，結(jié)合極限學(xué)習(xí)機(jī)(ELM)與差分進(jìn)化(DE)算法，對(duì)我國(guó)上證綜合指數(shù)的預(yù)測(cè)問題進(jìn)行了研究。結(jié)果表明提出的DE-ELM模型與另外兩種模型(BP神經(jīng)網(wǎng)絡(luò)與ELM模型)相比具有更高的學(xué)習(xí)精度和預(yù)測(cè)精度，可為政府提供預(yù)警工具，并為投資者提供風(fēng)險(xiǎn)規(guī)避的工具。另外，運(yùn)用以遞推最小二乘法為基礎(chǔ)的自適應(yīng)模型對(duì)我國(guó)上證綜合指數(shù)進(jìn)行建模分析。同時(shí)，采用時(shí)變系數(shù)的VAR模型來構(gòu)建中國(guó)的宏觀經(jīng)濟(jì)模型，通過模型預(yù)測(cè)控制方法來研究貨幣政策的控制規(guī)則，并與基于線性二次型最優(yōu)控制的“最優(yōu)承諾”的控制效果進(jìn)行了對(duì)比，仿真結(jié)果顯示出較好的控制效果。
子課題三：金融復(fù)雜系統(tǒng)分形與混沌技術(shù)分析
利用分形理論、多分形理論、智能算法等理論研究由中國(guó)債券市場(chǎng)、匯率市場(chǎng)、利率市場(chǎng)和股票市場(chǎng)這幾個(gè)主要市場(chǎng)組成的金融系統(tǒng)。針對(duì)金融市場(chǎng)的波動(dòng)率預(yù)測(cè)、收益率序列預(yù)測(cè)、利率模型估計(jì)、衍生產(chǎn)品定價(jià)等問題，以證券市場(chǎng)、外匯市場(chǎng)、股指期貨市場(chǎng)、權(quán)證市場(chǎng)為依托，深入探究了金融數(shù)據(jù)及其波動(dòng)率的長(zhǎng)記憶性、尖峰厚尾性、聯(lián)動(dòng)性和多重分形性的特征，在其基礎(chǔ)上建立恰當(dāng)模型，并分析其市場(chǎng)形成機(jī)制，結(jié)合人工智能算法 (子課題四)以達(dá)到預(yù)測(cè)市場(chǎng)的目的。具體開展的工作有
1. 對(duì)于波動(dòng)率，在連續(xù)時(shí)間框架下，僅從離散觀測(cè)到的資產(chǎn)價(jià)格出發(fā)，構(gòu)建長(zhǎng)記憶隨機(jī)波動(dòng)率模型參數(shù)的最小二乘估計(jì)。該統(tǒng)計(jì)量在大樣本下具有一致收斂性和漸進(jìn)正態(tài)性，通過Monte-Carlo模擬可以看出，該方法展現(xiàn)了較高的準(zhǔn)確度和較好的大樣本性質(zhì)。另外，構(gòu)建隨機(jī)波動(dòng)率的點(diǎn)估計(jì)，進(jìn)而給出赫斯特指數(shù)的 -變差估計(jì)。對(duì)近三年的中國(guó)上證綜合指數(shù)高頻數(shù)據(jù)做研究，得出我國(guó)股票市場(chǎng)存在長(zhǎng)記憶性的結(jié)論。
2. 對(duì)于我國(guó)外匯市場(chǎng)的波動(dòng)率，建立了BEKK,CCC,O-GARCH,IC-GARCH模型。針對(duì)人民幣匯率波動(dòng)率的非對(duì)稱性，改進(jìn)了IC-GARCH模型，建立了IC-GJRGARCH,IC-IGARCH模型。給出了以上各模型的預(yù)測(cè)結(jié)果及評(píng)價(jià)，并分析IC情形下，殘差類型及降維技術(shù)對(duì)預(yù)測(cè)效果的影響。人民幣匯率波動(dòng)率的預(yù)測(cè)實(shí)證表明，BEKK模型和IC-GJRGARCH模型比其他模型的預(yù)測(cè)效果要理想；殘差類型為廣義誤差分布與t分布的預(yù)測(cè)效果都要優(yōu)于高斯分布的預(yù)測(cè)效果；模型降維后預(yù)測(cè)效果與降維前的預(yù)測(cè)效果相差不大，甚至優(yōu)于后者。對(duì)于外匯市場(chǎng)的預(yù)測(cè)，為提高多維人民幣匯率預(yù)測(cè)的精度和降低網(wǎng)絡(luò)的訓(xùn)練負(fù)擔(dān)，建立了一種融合獨(dú)立成分分析(ICA)與BP網(wǎng)絡(luò)理論的多維時(shí)間序列預(yù)測(cè)模型。首先提取訓(xùn)練集的獨(dú)立成分，在識(shí)別最優(yōu)滯后期組合的基礎(chǔ)上，分別對(duì)各獨(dú)立成分訓(xùn)練得到穩(wěn)定的BP 神經(jīng)預(yù)測(cè)網(wǎng)絡(luò)，然后結(jié)合轉(zhuǎn)換矩陣，對(duì)測(cè)試集進(jìn)行預(yù)測(cè)測(cè)試。以2008 年以來的多維人民幣匯率數(shù)據(jù)為計(jì)算實(shí)例，研究結(jié)果表明IC-BP 網(wǎng)絡(luò)具有較好的預(yù)測(cè)精度；基于降維技術(shù)的IC-BP 網(wǎng)絡(luò)可降低模型整體的訓(xùn)練負(fù)擔(dān)且具有良好的預(yù)測(cè)精度。該方法能夠?qū)崿F(xiàn)了ICA技術(shù)與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的優(yōu)勢(shì)融合，在多維人民幣匯率預(yù)測(cè)方面表現(xiàn)出較強(qiáng)的能力。
3. 分?jǐn)?shù)Vasicek模型是主流的利率模型，其參數(shù)估計(jì)問題得到了廣泛的研究，但是傳統(tǒng)的參數(shù)估計(jì)研究都是在利率已知情況下，采用極大似然、最小二乘或者廣義矩等方法對(duì)模型進(jìn)行參數(shù)估計(jì)分析。由于零息票債券在隨機(jī)利率的研究中起著舉足重輕的作用，本研究利用零息票債券的價(jià)格，結(jié)合機(jī)器學(xué)習(xí)理論，給出了利用零息票債券的價(jià)值估計(jì)分?jǐn)?shù)Vasicek模型參數(shù)的方法。最后采用蒙特卡洛模擬說明了方法的準(zhǔn)確性和可行性.
4. 股本權(quán)證不同于普通的股票期權(quán)，其行權(quán)會(huì)對(duì)公司股票產(chǎn)生一定的影響，進(jìn)而改變公司股票價(jià)格變化的行為模式和分布函數(shù)。考慮到股本權(quán)證行權(quán)時(shí)產(chǎn)生的稀釋效應(yīng)和金融資產(chǎn)的分形性，采用隨機(jī)分析的方法求得了股本權(quán)證發(fā)行后，公司股票價(jià)格變化過程所滿足的隨機(jī)微分方程。進(jìn)一步采用非線性變換和分形格薩諾夫定理求出了公司股票價(jià)格變化過程的分布函數(shù)
5. 通過MF-DMA 方法，本研究給出了中國(guó)證券市場(chǎng)三大股票指數(shù)（上證綜指、深證成指和滬深300指數(shù)）在三種不同的時(shí)間標(biāo)度下（5分鐘、15分鐘和25分鐘）的廣義Hurst指數(shù)、Renyi指數(shù)和多分形譜。所有的結(jié)果證實(shí)了股票指數(shù)具有明顯的多分形性。收益率序列有標(biāo)度標(biāo)度不變性，多分形譜的形狀不隨時(shí)間標(biāo)度的改變而改變。多分形強(qiáng)度會(huì)隨時(shí)間標(biāo)度在增加而減弱。通過破壞收益率序列的非線性時(shí)空相關(guān)性，我們發(fā)現(xiàn)長(zhǎng)程依賴性對(duì)于股票指數(shù)收益率序列的多分形特征起了重要作用，并認(rèn)為這種長(zhǎng)程依賴性是由市場(chǎng)動(dòng)態(tài)內(nèi)生的。
6. 本文采用偏t分布推廣了原有的MSM模型，使用極大似然法進(jìn)行參數(shù)估計(jì)，并通過貝葉斯規(guī)則進(jìn)行波動(dòng)率預(yù)測(cè)。采用MF-DMA方法證實(shí)了我國(guó)上證綜指收益率序列具有明顯的多分形特征。通過實(shí)證研究發(fā)現(xiàn)，引入偏度和尾部分布參數(shù)的多分形模型可以更好的擬合上證綜指收益率序列，其預(yù)測(cè)性能最強(qiáng)，并且這有時(shí)隨預(yù)測(cè)步長(zhǎng)的增加而更明顯。這說明在預(yù)測(cè)波動(dòng)率時(shí)有必要同時(shí)考慮收益率序列的多分形特征、厚尾分布以及有偏性。
子課題四：金融復(fù)雜系統(tǒng)下的人工智能技術(shù)
1、針對(duì)張量數(shù)據(jù)的半監(jiān)督分類問題，基于支持向量機(jī)的理論框架，課題組提出了基于張量低秩近似的轉(zhuǎn)導(dǎo)支持張量機(jī)模型。該模型有效克服了交替投影算法的不足，充分利用了凸優(yōu)化的算法和張量的秩一分解，顯著提高了模式識(shí)別的精度。在公開數(shù)據(jù)集上的大量實(shí)驗(yàn)驗(yàn)證了新算法的有效性。
2、加權(quán)最小二乘支持向量機(jī)（WLS-SVM）是LS-SVM的一種改進(jìn)模型，通過對(duì)樣本損失賦予不同權(quán)值，控制噪聲點(diǎn)和孤立點(diǎn)損失，以提高模型的魯棒性。考慮到加權(quán)最小二乘支持向量機(jī)中的權(quán)重設(shè)置是一個(gè)困難的問題，課題組從WLS-SVM出發(fā)，基于截?cái)嘧钚《藫p失的思想，提出了既可以求解回歸問題，又可以求解分類問題的魯棒最小二乘支持向量機(jī)模型（RLS-SVM）。新模型的最大優(yōu)點(diǎn)是不需要設(shè)置樣本的權(quán)重。在大量公開數(shù)據(jù)集上的實(shí)驗(yàn)表明：從統(tǒng)計(jì)上來說，新模型的魯棒性顯著高于LS-SVM和WLS-SVM。
3、針對(duì)張量數(shù)據(jù)的高維性和高冗余性問題，一方面考慮到張量的秩一分解能更好地體現(xiàn)張量數(shù)據(jù)的結(jié)構(gòu)信息和內(nèi)在相關(guān)性，從而有效解決“過擬合”問題、“維度災(zāi)難”和小樣本問題，課題組提出了基于遺傳算法的特征選擇方法。在大量的實(shí)驗(yàn)數(shù)據(jù)集上的結(jié)果表明：新算法能夠很好地提取張量的結(jié)構(gòu)信息，顯著地提高了模型的識(shí)別率和計(jì)算速度。另一方面利用多線性主成分分析對(duì)張量進(jìn)行降維，然后把降維之后的數(shù)據(jù)作為線性支持高階張量機(jī)的輸入，從而設(shè)計(jì)基于多線性主成分分析的支持高階張量機(jī)算法。在多個(gè)人臉識(shí)別數(shù)據(jù)集和步態(tài)識(shí)別數(shù)據(jù)集上的實(shí)驗(yàn)表明：新算法在保持精度與原算法可比的情況下，顯著地提高了學(xué)習(xí)的速度。
4、雙邊加權(quán)模糊支持向量機(jī)是針對(duì)銀行信用卡欺詐問題提出來的，其主要缺點(diǎn)有兩個(gè)：一是模型的計(jì)算復(fù)雜度比較高，二是隸屬度設(shè)置比較困難。在早期，我們解決了模型的求解問題。針對(duì)第二個(gè)問題，課題組提出了一個(gè)基于雙邊截?cái)鄵p失的魯棒支持向量機(jī)模型 （BTL-RSVM )。為了求解新的模型，課題組首先利用CCCP 策略和光滑損失的方法將其轉(zhuǎn)化成迭代求解的凸二次規(guī)劃問題。然后從理論上分析了BTL-RSVM模型和BW-FSVM模型的最優(yōu)解關(guān)系，并通過實(shí)驗(yàn)來測(cè)試 BTL-RSVM模型的魯棒性及其抗噪性。結(jié)果表明：新模型具有很好的魯棒性。
5、針對(duì)大規(guī)模學(xué)習(xí)問題，基于低密度分割的樹分解，課題組提出了一種新的解決方案。在大量公開數(shù)據(jù)集上的實(shí)驗(yàn)表明：在保持預(yù)測(cè)精度的情況下，新算法比傳統(tǒng)方法具有更快的學(xué)習(xí)速度。針對(duì)張量學(xué)習(xí)中的核函數(shù)構(gòu)造問題，基于張量的低秩分解，課題組提出了一種對(duì)偶結(jié)構(gòu)保持核函數(shù)。新的核函數(shù)保持了原始張量的結(jié)構(gòu)，在神經(jīng)圖像上的實(shí)驗(yàn)驗(yàn)證了所提核函數(shù)的有效性。
子課題五：金融復(fù)雜系統(tǒng)下計(jì)算機(jī)模擬實(shí)驗(yàn)與行為分析
1、利用復(fù)雜性系統(tǒng)研究中的人工金融市場(chǎng)、計(jì)算實(shí)驗(yàn)技術(shù)和平行執(zhí)行（ACP）方法，建立了基于ACP的金融復(fù)雜性平行系統(tǒng)的研究框架，包括：構(gòu)建人工系統(tǒng)，這里采用swarm軟件構(gòu)建證券市場(chǎng)的仿真系統(tǒng)；搭建平行系統(tǒng)，以完成真實(shí)系統(tǒng)與仿真系統(tǒng)之間的管理與交互；仿真實(shí)驗(yàn)，主要完成與市場(chǎng)運(yùn)行相關(guān)的若干變量的調(diào)整；最終得到對(duì)市場(chǎng)進(jìn)行控制的管理措施。并以證券市場(chǎng)為例進(jìn)行了仿真分析。
2、采用數(shù)理經(jīng)濟(jì)分析法，從新的角度-投資者情緒-來研究我國(guó)金融復(fù)雜系統(tǒng)的控制和對(duì)策研究，結(jié)合中國(guó)證券市場(chǎng)投資者情緒與投資者行為，利用模擬法，構(gòu)建基于投資者情緒的資本資產(chǎn)定價(jià)模型；利用基于情緒資本資產(chǎn)定價(jià)模型，構(gòu)建符合中國(guó)資本市場(chǎng)特征的資本市場(chǎng)法。
3、開展了投資者情緒對(duì)資產(chǎn)價(jià)格影響實(shí)證研究，實(shí)證研究了混頻投資者情緒對(duì)資產(chǎn)價(jià)格的影響。實(shí)證研究了股指期貨情緒的期限結(jié)構(gòu)。
4、研究了情緒投資者適應(yīng)性學(xué)習(xí)與資產(chǎn)定價(jià)問題，考慮到情緒投資者的靜態(tài)適應(yīng)性學(xué)習(xí)行為，研究了情緒投資者的靜態(tài)適應(yīng)性學(xué)習(xí)行為對(duì)資產(chǎn)價(jià)格形成的影響。為進(jìn)一步研究情緒投資者的動(dòng)態(tài)性適應(yīng)性學(xué)習(xí)對(duì)資產(chǎn)價(jià)格形成和資產(chǎn)價(jià)格變化的形成機(jī)理打下了研究基礎(chǔ)。
5、建立了情緒資產(chǎn)定價(jià)模型研究。研究了兩階段情緒資產(chǎn)定價(jià)，該文研究了不同投資期限的資產(chǎn)定價(jià)模型；研究了情緒資產(chǎn)定價(jià)模型中的過度反應(yīng)與反應(yīng)不足；研究了情緒高階期望對(duì)資產(chǎn)定價(jià)的影響。上述研究為本項(xiàng)目進(jìn)一步研究隨機(jī)投資者情緒、情緒投資者的適應(yīng)性學(xué)習(xí)行為、理性套利者和情緒投資者的相互轉(zhuǎn)化、樂觀情緒投資者和悲觀情緒投資者的相互轉(zhuǎn)化對(duì)資產(chǎn)價(jià)格的形成和資產(chǎn)價(jià)格動(dòng)態(tài)變化的影響打下了堅(jiān)實(shí)基礎(chǔ)。
子課題六：金融復(fù)雜系統(tǒng)的預(yù)警機(jī)制研究
1、結(jié)合我國(guó)國(guó)情，分別構(gòu)造了描述匯率風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和股指風(fēng)險(xiǎn)的壓力指數(shù)，從而刻畫外匯市場(chǎng)、貨幣市場(chǎng)和股票市場(chǎng)的風(fēng)險(xiǎn)水平與分布狀態(tài)。參考置信區(qū)間的構(gòu)造方法，在現(xiàn)有研究的基礎(chǔ)上將風(fēng)險(xiǎn)程度判斷標(biāo)準(zhǔn)擴(kuò)展為高、中、低三類。使用1997年1月至2015年3月我國(guó)金融市場(chǎng)數(shù)據(jù)計(jì)算壓力指數(shù)，刻畫了各市場(chǎng)風(fēng)險(xiǎn)的類型、程度及分布狀態(tài)，并剖析了幾次危機(jī)產(chǎn)生的背景事件。
2、金融市場(chǎng)的波動(dòng)會(huì)通過一些金融指標(biāo)的變化先行反映出來，因此可以通過選擇先行指標(biāo)對(duì)市場(chǎng)波動(dòng)的轉(zhuǎn)折點(diǎn)和未來的走向進(jìn)行預(yù)警，發(fā)揮類似“報(bào)警器”的監(jiān)測(cè)作用。通過時(shí)差相關(guān)分析在金融壓力指數(shù)的基礎(chǔ)上遴選出各風(fēng)險(xiǎn)變動(dòng)的先行指標(biāo)。在理清子市場(chǎng)間風(fēng)險(xiǎn)的先行作用的基礎(chǔ)上，結(jié)合現(xiàn)實(shí)中資本流動(dòng)的路線，總結(jié)出金融風(fēng)險(xiǎn)的傳染路徑和作用機(jī)理。
3、將先行指標(biāo)進(jìn)行短期（1-6個(gè)月）和中長(zhǎng)期（7-12個(gè)月）分類，然后使用逐步回歸剔除造成多重共線性的指標(biāo)，得到預(yù)警指標(biāo)并合成預(yù)警指數(shù)。由于先行指標(biāo)體現(xiàn)了風(fēng)險(xiǎn)的傳染特性，因此由先行指標(biāo)選取的預(yù)警指標(biāo)考慮了風(fēng)險(xiǎn)傳染的因素。預(yù)警指數(shù)不僅能夠?qū)κ袌?chǎng)短期（1-6個(gè)月）和中長(zhǎng)期（7-12個(gè)月）的風(fēng)險(xiǎn)狀態(tài)進(jìn)行預(yù)警，還可以對(duì)風(fēng)險(xiǎn)程度和類型進(jìn)行區(qū)分，且具有較好的準(zhǔn)確性。
4、基于獨(dú)立成分分析方法，對(duì)宏觀經(jīng)濟(jì)變量提取獨(dú)立成分因子，構(gòu)建基于ICA的動(dòng)態(tài)Nelson-Siegel宏觀金融模型，估計(jì)利率期限結(jié)構(gòu)。實(shí)證研究表明：由于加入工業(yè)增加值、廣義貨幣供應(yīng)量和居民價(jià)格消費(fèi)指數(shù)等宏觀經(jīng)濟(jì)變量提高了利率期限結(jié)構(gòu)的擬合效果，其中3年期、5年期和10年期的收益率曲線擬合效果在加入獨(dú)立成分宏觀變量后顯著降低均方誤差。
5、運(yùn)用極值理論研究如何評(píng)估債券組合的信用風(fēng)險(xiǎn)問題?；贐lack和Cox的違約方法，我們建立一個(gè)新的障礙違約模型且利用極值理論得到狀態(tài)變量的分布函數(shù)。另外，考慮到同行業(yè)或同地區(qū)相對(duì)容易發(fā)生違約聚集現(xiàn)象，采用具有尾部相依性和能將債券依地區(qū)或行業(yè)進(jìn)行分類的多元極值關(guān)聯(lián)函數(shù)——分層Gumbel關(guān)聯(lián)函數(shù)刻畫狀態(tài)變量之間的關(guān)系。研究結(jié)果表明，相對(duì)Credit Metrics和一般的Gumbel關(guān)聯(lián)函數(shù)模型，所得的損失分布極端尾部更厚。就壓力測(cè)試而言，更符合巴塞爾III對(duì)風(fēng)險(xiǎn)管理所持的更加審慎態(tài)度。
子課題七：金融復(fù)雜系統(tǒng)的風(fēng)險(xiǎn)控制與對(duì)策
在前面六個(gè)子課題的理論研究，根據(jù)我國(guó)金融市場(chǎng)發(fā)展現(xiàn)狀，結(jié)合當(dāng)前深化金融體制改革要求，開展了我國(guó)金融復(fù)雜系統(tǒng)的風(fēng)險(xiǎn)控制與對(duì)策研究。
1、根據(jù)我國(guó)與發(fā)達(dá)國(guó)家美國(guó)、英國(guó)、日本及發(fā)展中國(guó)家巴西主要金融市場(chǎng)發(fā)展協(xié)調(diào)性的比較研究，我國(guó)貨幣市場(chǎng)與股票市場(chǎng)在經(jīng)濟(jì)適應(yīng)性、規(guī)模合理性、市場(chǎng)聯(lián)動(dòng)性、功能效率、融資結(jié)構(gòu)等方面的發(fā)展存在不協(xié)調(diào)。在深入分析我國(guó)貨幣市場(chǎng)與股票市場(chǎng)發(fā)展不協(xié)調(diào)的主要問題及原因的基礎(chǔ)上，提出了促進(jìn)我國(guó)貨幣市場(chǎng)與股票市場(chǎng)協(xié)調(diào)發(fā)展的對(duì)策建議。
2、在客觀分析我國(guó)資本項(xiàng)目自由兌換、匯率形成機(jī)制、人民幣國(guó)際化的現(xiàn)狀及相互影響的基礎(chǔ)上，結(jié)合目前我國(guó)經(jīng)濟(jì)和金融體制深化改革的迫切需要，提出了我國(guó)資本項(xiàng)目開放、匯率制度改革及人民幣國(guó)際化協(xié)調(diào)發(fā)展的對(duì)策建議。
3、防范我國(guó)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)，需要準(zhǔn)確把握有效防范系統(tǒng)性風(fēng)險(xiǎn)面臨的主要問題，主動(dòng)協(xié)調(diào)和完善監(jiān)管模式，及時(shí)建立相配套的制度和措施，形成我國(guó)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)防范體系。依據(jù)目前我國(guó)金融市場(chǎng)發(fā)展情況和監(jiān)管現(xiàn)狀，對(duì)建設(shè)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)防范體系面臨著的重要問題進(jìn)行剖析，從統(tǒng)籌金融市場(chǎng)全局監(jiān)管、建設(shè)預(yù)警機(jī)制和開發(fā)權(quán)威的官方數(shù)據(jù)平臺(tái)三個(gè)方面提出防范金融風(fēng)險(xiǎn)的監(jiān)管啟示。
4、通過構(gòu)建基于利率期限結(jié)構(gòu)久期和收益率預(yù)測(cè)約束的債券組合風(fēng)險(xiǎn)管理模型，應(yīng)用于上證國(guó)債組合實(shí)證研究表明，基于獨(dú)立成分分析的動(dòng)態(tài)Nelson-Siegel模型預(yù)測(cè)效果更好，基于利率久期和收益率預(yù)測(cè)的債券組合風(fēng)險(xiǎn)管理模型能夠?qū)_標(biāo)的債券的風(fēng)險(xiǎn)，且對(duì)于中長(zhǎng)期到期期限的債券擬合效果優(yōu)于短期。
5、由于股指期貨具有交易成本低和違約風(fēng)險(xiǎn)小的特點(diǎn)，所以股指期貨常常用來分散化證券市場(chǎng)投資組合的風(fēng)險(xiǎn)管理。展期套期保值策略主要用在商品的套期保值領(lǐng)域，較少使用在股指期貨套期保值領(lǐng)域。本項(xiàng)目研究了分散化投資組合的長(zhǎng)期風(fēng)險(xiǎn)管理問題，建立了一個(gè)新的展期套期保值模型，并采用等價(jià)轉(zhuǎn)換技術(shù)和動(dòng)態(tài)規(guī)劃方法給出了最優(yōu)解。
②調(diào)查研究及學(xué)術(shù)交流情況（調(diào)研數(shù)據(jù)整理運(yùn)用、文獻(xiàn)資料收集整理、學(xué)術(shù)會(huì)議、學(xué)術(shù)交流、國(guó)際合作等）；
（1）2013年11月1日—3日，課題組張衛(wèi)國(guó)教授及成員劉勇軍、張群博士參加了由首都經(jīng)濟(jì)貿(mào)易大學(xué)承辦的“管理科學(xué)與工程學(xué)會(huì)2013年年會(huì)暨第十一屆中國(guó)管理科學(xué)與工程論壇”，會(huì)議就“全球信息化與大數(shù)據(jù)背景下對(duì)金融風(fēng)險(xiǎn)管理的影響”展開對(duì)策討論。
（2）2013年10月，課題組王曉暉博士赴美國(guó)普渡大學(xué)統(tǒng)計(jì)系開始為期一年半的訪問交流。
（3）2013年10月，課題組劉玉芳博士赴英國(guó)卡迪夫大學(xué)開始為期一年的訪問交流。
（4）2013年11月15日-17日，課題組張衛(wèi)國(guó)教授、成員徐維軍教授及劉勇軍博士應(yīng)邀參加了由中國(guó)量化投資研究院、清華大學(xué)深圳研究生院、上海交通大學(xué)安泰與經(jīng)濟(jì)管理學(xué)院、證券時(shí)報(bào)社聯(lián)合主辦的“第四屆(2013秋季)中國(guó)量化投資國(guó)際峰會(huì)”。
（5）2013年11月22日—24日，課題組谷任副教授參加由華中科技大學(xué)張培剛發(fā)展研究院主辦的“紀(jì)念 張培剛 先生誕辰100周年學(xué)術(shù)研討會(huì)暨第七屆中華發(fā)展經(jīng)濟(jì)學(xué)年會(huì)”，會(huì)議就經(jīng)濟(jì)學(xué)主要問題展開討論。
（6）2013年11月30日—12月1日，課題組李家銘、杜謙碩士參加由中國(guó)運(yùn)籌學(xué)會(huì)金融工程與金融風(fēng)險(xiǎn)管理分會(huì)主辦，肇慶學(xué)院承辦的“中國(guó)運(yùn)籌學(xué)會(huì)金融工程與金融風(fēng)險(xiǎn)管理分會(huì)第三屆學(xué)術(shù)年會(huì)”，會(huì)議就“運(yùn)籌學(xué)方法在金融中的應(yīng)用”方向進(jìn)行討論。
（7）2014年3月15日—16日，課題組張衛(wèi)國(guó)教授及成員劉勇軍、孟慶浩參加了同濟(jì)大學(xué)主辦International Conference on Financial Engineering and Innovation， 張衛(wèi)國(guó)教授作為特邀嘉賓主持了專題會(huì)議，并且作了專題報(bào)告。
（8）2014年5月24日至26日，課題組楊曉偉教授在浙江省金華市參加第五屆中國(guó)數(shù)據(jù)挖掘會(huì)議（CCDM2014），并宣讀論文。
（9）2014年8月8日—10日，課題組張群、趙雪瑾博士參加了由中國(guó)科技大學(xué)主辦的“第四屆管理科學(xué)與工程高水平論文寫作暑期培訓(xùn)班”，會(huì)議就“如何在交叉學(xué)科中選題”等方面展開討論。
（10）2014年8月8日—10日，課題組張衛(wèi)國(guó)教授及成員劉勇軍博士、李家銘、杜謙碩士參加由中國(guó)系統(tǒng)工程學(xué)會(huì)金融系統(tǒng)工程專業(yè)委員會(huì)、中國(guó)運(yùn)籌學(xué)會(huì)金融工程與風(fēng)險(xiǎn)管理分會(huì)、國(guó)家自然科學(xué)基金委員會(huì)管理學(xué)部主辦、山西大學(xué)承辦的“第十二屆金融系統(tǒng)工程與風(fēng)險(xiǎn)管理國(guó)際年會(huì)”，會(huì)議就“復(fù)雜金融體系中的金融風(fēng)險(xiǎn)、金融創(chuàng)新及其監(jiān)管”方向進(jìn)行討論。
（11）2014年8月14日—16日，課題組張衛(wèi)國(guó)教授、徐維軍教授應(yīng)邀赴英國(guó)參加了由管理科學(xué)與工程國(guó)際協(xié)會(huì)主辦的The 6th International Conference on Advanced Management Science (ICAMS2014) & 8th International Conference on Industrial Engineering and Management (ICIEM2014).
（12）2014年9月，課題組張群博士赴瑞士聯(lián)邦理工學(xué)院管理、技術(shù)與經(jīng)濟(jì)學(xué)系開始為期一年半的訪問交流。
（13）2014年10月17日—20日，課題組張衛(wèi)國(guó)教授參加了由中國(guó)優(yōu)選法統(tǒng)籌法與經(jīng)濟(jì)數(shù)學(xué)研究會(huì)、中國(guó)科學(xué)院科技政策與管理科學(xué)研究所主辦，山西大學(xué)承辦的 “第十六屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)”。
（14）2014年10月18日—20日，課題組高麗、趙雪瑾和任玉超博士參加由國(guó)家自然科學(xué)基金委員會(huì)管理學(xué)部和中國(guó)系統(tǒng)工程學(xué)會(huì)金融系統(tǒng)工程專業(yè)委員會(huì)主辦，華東理工大學(xué)商學(xué)院承辦的 “第十一屆金融系統(tǒng)工程與風(fēng)險(xiǎn)管理國(guó)際年會(huì)。會(huì)議的主題為“新經(jīng)濟(jì)金融環(huán)境下的金融系統(tǒng)工程與風(fēng)險(xiǎn)管理”。
（15）2014年10月23日，課題組張衛(wèi)國(guó)教授應(yīng)邀在西安電子科技大學(xué)做學(xué)術(shù)報(bào)告，題目：多階段投資組合與套期保值問題研究。
（16）2014年10月24日—26日，課題組楊春鵬教授、徐維軍教授、劉勇軍博士、李家銘、杜謙碩士參加了由中國(guó)量化投資研究院、上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院、證券時(shí)報(bào)社主辦，中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院承辦的“第六屆(2014秋季)中國(guó)量化投資國(guó)際峰會(huì)”，會(huì)議就“大數(shù)據(jù)在金融行業(yè)的運(yùn)用”方向進(jìn)行討論。楊春鵬教授作題為“科研型大學(xué)—量化投資專業(yè)建設(shè)”大會(huì)報(bào)告。
（17）2014年11月11日15：00，課題組張衛(wèi)國(guó)教授應(yīng)邀在廣東外語(yǔ)外貿(mào)大學(xué)“著名教授論壇第248講暨廣外金融論壇第一講”做學(xué)術(shù)報(bào)告“金融工程與風(fēng)險(xiǎn)管理的若干問題”。
（18）2014年11月19日，課題組張衛(wèi)國(guó)教授應(yīng)邀在廣東省惠州市東江大講堂之六十六期做大會(huì)報(bào)告，主題：金融工程與風(fēng)險(xiǎn)管理的理論與應(yīng)用研究
（19）2014年11月21日，課題組張衛(wèi)國(guó)教授應(yīng)邀在華南師范大學(xué)做了題為“金融工程與風(fēng)險(xiǎn)管理的若干問題及應(yīng)用”的學(xué)術(shù)講座。
（20）2015年3月21—22日，課題組趙雪瑾博士、參加由西南交通大學(xué)主辦的“2015年金融工程與金融創(chuàng)新會(huì)議”。會(huì)議的主題為關(guān)注金融工程領(lǐng)域的最新理論和實(shí)證研究成果進(jìn)展、金融模型及相關(guān)決策、金融衍生品價(jià)格模型和定量風(fēng)險(xiǎn)管理、金融市場(chǎng)及其穩(wěn)定性的度量，以及相應(yīng)的業(yè)界新問題和新挑戰(zhàn)。
（21）2015年4月11日—12日，課題組張衛(wèi)國(guó)教授參加了西安交通大學(xué)主辦的首屆中國(guó)“改革試點(diǎn)探索與評(píng)估協(xié)同創(chuàng)新”高端國(guó)際論壇。
③成果宣傳推介情況（成果發(fā)布會(huì)、《工作簡(jiǎn)報(bào)》報(bào)送情況、國(guó)家社科基金?？陡寮安捎们闆r等）；
（1）2013年7月以來，課題組定期召開研討會(huì)以報(bào)告研究進(jìn)展。
（2）2014年12月13日，召開“金融復(fù)雜系統(tǒng)的演化與控制研究成果發(fā)布會(huì)”。邀請(qǐng)中國(guó)社會(huì)科學(xué)院何德旭研究員、中山大學(xué)李仲飛教授、湖南大學(xué)馬超群教授、香港城市大學(xué)王軍波教授及廣東省哲學(xué)社會(huì)科學(xué)規(guī)劃辦公室領(lǐng)導(dǎo)等專家學(xué)者對(duì)于課題組研究進(jìn)行評(píng)價(jià)咨詢。
（3）已撰寫成果要報(bào)《我國(guó)應(yīng)加快建設(shè)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)防范體系》，2014年5月14日上報(bào)全國(guó)哲學(xué)社會(huì)科學(xué)規(guī)劃辦公室，投往《光明日?qǐng)?bào)》國(guó)家社科基金專刊。
（4）已撰寫成果要報(bào)《我國(guó)資本項(xiàng)目開放潛在問題與解決對(duì)策》，2014年8月28日上報(bào)全國(guó)哲學(xué)社會(huì)科學(xué)規(guī)劃辦公室，投往《光明日?qǐng)?bào)》國(guó)家社科基金專刊。
（5）按照修改要求，將已投成果要報(bào)《我國(guó)應(yīng)加快建設(shè)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)防范體系》的修改稿《加快建設(shè)我國(guó)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)防范體系的思路》于2014年11月5日上報(bào)全國(guó)哲學(xué)社會(huì)科學(xué)規(guī)劃辦公室，投往《光明日?qǐng)?bào)》國(guó)家社科基金?？?。
（6）已撰寫成果要報(bào)《我國(guó)資本項(xiàng)目開放和匯率制度改革及人民幣國(guó)際化協(xié)調(diào)對(duì)策》，2014年12月31日上報(bào)全國(guó)哲學(xué)社會(huì)科學(xué)規(guī)劃辦公室，投往《光明日?qǐng)?bào)》國(guó)家社科基金?？?/p>
（7）已撰寫成果要報(bào)《我國(guó)貨幣市場(chǎng)與股票市場(chǎng)協(xié)調(diào)發(fā)展的問題及對(duì)策》，2015年1月14日上報(bào)全國(guó)哲學(xué)社會(huì)科學(xué)規(guī)劃辦公室，投往《光明日?qǐng)?bào)》國(guó)家社科基金專刊。
④研究中存在的主要問題、改進(jìn)措施，研究心得、意見建議；
本課題的研究對(duì)象涉及證券市場(chǎng)、貨幣市場(chǎng)、外匯市場(chǎng)等多個(gè)金融市場(chǎng)，研究問題涉及管理科學(xué)與工程、數(shù)學(xué)物理、金融學(xué)、經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)及計(jì)算機(jī)信息科學(xué)等多個(gè)學(xué)科領(lǐng)域，因此項(xiàng)目研究的問題多，復(fù)雜性高、難度大。課題組不畏懼困難，刻苦鉆研，通力合作，取得了一系列高水平研究成果，較好地完成了項(xiàng)目預(yù)期的任務(wù)和目標(biāo)。存在的問題是研究成果多數(shù)以論文為主，因多數(shù)期刊雜志審稿周期較長(zhǎng)，部分成果未能如期出版以發(fā)揮其作用。但是論文的結(jié)論與研究成果能夠與現(xiàn)階段我國(guó)金融市場(chǎng)的現(xiàn)狀基本吻合，體現(xiàn)了研究的合理性與有效性。另外，雖然課題組撰寫了4篇成果要報(bào)上報(bào)全國(guó)哲學(xué)社會(huì)科學(xué)規(guī)劃辦公室，其中1篇被要求修改，并投往《光明日?qǐng)?bào)》國(guó)家社科基金專刊，但是未能錄用。以后進(jìn)一步提高成果要報(bào)的質(zhì)量，發(fā)揮為黨和政府提供決策服務(wù)。
二、 研究成果情況
三、 代表性成果簡(jiǎn)介
1、Evaluating the Default Risk of Bond Portfolios with Extreme Value Theory，Computational Economics，2015，45:647-668. SSCI收錄
如何管理信用風(fēng)險(xiǎn)是銀行或者投資者在風(fēng)險(xiǎn)管理實(shí)踐中面臨的重要問題。本文旨在運(yùn)用極值理論研究如何評(píng)估債券組合的信用風(fēng)險(xiǎn)?；贐lack和Cox的違約方法，我們建立一個(gè)新的障礙違約模型且利用極值理論得到狀態(tài)變量的分布函數(shù)；這個(gè)新模型一定程度上可以看做基于Merton方法的Credit Metrics模型的“對(duì)手”。根據(jù)多元極值理論，多元關(guān)聯(lián)函數(shù)適用于建立狀態(tài)變量之間的相依性；另一方面，考慮到同行業(yè)或同地區(qū)相對(duì)容易發(fā)生違約聚集現(xiàn)象，我們采用具有尾部相依性和能將債券依地區(qū)或行業(yè)進(jìn)行分類的多元極值關(guān)聯(lián)函數(shù)——分層Gumbel關(guān)聯(lián)函數(shù)刻畫狀態(tài)變量之間的關(guān)系。研究結(jié)果表明，相對(duì)Credit Metrics和一般的Gumbel關(guān)聯(lián)函數(shù)模型，本文模型所得的損失分布極端尾部更厚。因此，就壓力測(cè)試而言，本文模型相對(duì)更保守，從而更符合巴塞爾III對(duì)風(fēng)險(xiǎn)管理所持的更加審慎態(tài)度。
2、Fuzzy pricing of geometric Asian options and its algorithm. Applied Soft Computing, 2015, 28:360-367. SSCI 、SCI收錄
由于金融市場(chǎng)的波動(dòng)性，傳統(tǒng)的固定參數(shù)期權(quán)定價(jià)模型可能導(dǎo)致較大的定價(jià)誤差。本文我們考慮了考慮到無風(fēng)險(xiǎn)利率、股票價(jià)格、股價(jià)波動(dòng)率的模糊性，并在Kemna和Vorst亞式期權(quán)定價(jià)理論的基礎(chǔ)上，運(yùn)用模糊集合論對(duì)可亞式期權(quán)進(jìn)行了定價(jià)，推導(dǎo)出基于模糊集合論的亞式期權(quán)定價(jià)模型。進(jìn)一步采用二分法對(duì)定價(jià)模型進(jìn)行了求解，并采用數(shù)值例子說明了算法的有效性和可靠性。最后，采用金融市場(chǎng)的實(shí)際數(shù)據(jù)進(jìn)行了實(shí)證研究，結(jié)果表明本文提出的定價(jià)模型可靠性與實(shí)用性。本文所建立的方法增強(qiáng)了投資者在亞式期權(quán)投資決策中的靈活性，可避免因忽略其模糊不可確定性所造成的風(fēng)險(xiǎn)。實(shí)證結(jié)果表明：該方法比傳統(tǒng)的亞式期權(quán)定價(jià)方法更加合理且實(shí)際可操作性更強(qiáng)。伴隨著我國(guó)金融體系的逐步完善以及未來金融市場(chǎng)的快速發(fā)展，我國(guó)證券市場(chǎng)對(duì)期權(quán)的定價(jià)理論要求越來越高，市場(chǎng)參與者要求定價(jià)模型有較高的計(jì)算精度，同時(shí)對(duì)模型結(jié)果的靈活性以及可操作性也提出了要求，因此該模糊定價(jià)模型必將在期權(quán)定價(jià)中有著更為廣泛的應(yīng)用。
3、融合ICA的BP網(wǎng)絡(luò)在人民幣匯率預(yù)測(cè)中的應(yīng)用. 系統(tǒng)工程學(xué)報(bào), 2014, 9(3):344-352.
為提高多維人民幣匯率預(yù)測(cè)的精度和降低網(wǎng)絡(luò)的訓(xùn)練負(fù)擔(dān),建立了一種融合獨(dú)立成分分析(ICA)與BP網(wǎng)絡(luò)理論的多維時(shí)間序列預(yù)測(cè)模型.首先提取訓(xùn)練集的獨(dú)立成分,在識(shí)別最優(yōu)滯后期組合的基礎(chǔ)上,分別對(duì)各獨(dú)立成分訓(xùn)練得到穩(wěn)定的BP神經(jīng)預(yù)測(cè)網(wǎng)絡(luò),然后結(jié)合轉(zhuǎn)換矩陣,對(duì)測(cè)試集進(jìn)行預(yù)測(cè)測(cè)試.以2008年以來的多維人民幣匯率數(shù)據(jù)為計(jì)算實(shí)例,研究結(jié)果表明IC-BP網(wǎng)絡(luò)具有較好的預(yù)測(cè)精度;基于降維技術(shù)的IC-BP網(wǎng)絡(luò)可降低模型整體的訓(xùn)練負(fù)擔(dān)且具有良好的預(yù)測(cè)精度.該方法能夠?qū)崿F(xiàn)了ICA技術(shù)與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的優(yōu)勢(shì)融合,在多維人民幣匯率預(yù)測(cè)方面表現(xiàn)出較強(qiáng)的能力.
4、A multi-period fuzzy portfolio optimization model with minimum transaction lots，European Journal of Operational Research，242 (2015) 933–941. SSCI 、SCI收錄
根據(jù)證券市場(chǎng)的實(shí)際交易情況，考慮了具有最小交易手?jǐn)?shù)的多期模糊投資組合選擇問題。依據(jù)可能性理論，我們構(gòu)建了一個(gè)均值-半方差投資組合選擇模型，模型以追求終端財(cái)富最大和最小化整個(gè)投資期限的風(fēng)險(xiǎn)為決策目標(biāo)。在所提出的模型中，我們考慮了資產(chǎn)收益、風(fēng)險(xiǎn)、交易成本、分散化程度、基數(shù)約束及最小交易手?jǐn)?shù)目。為了反映投資者對(duì)兩個(gè)目標(biāo)的偏好水平，我們利用模糊決策技術(shù)來將所提出的模型轉(zhuǎn)換為一個(gè)單目標(biāo)混合整數(shù)非線性規(guī)劃問題。然后，我們?cè)O(shè)計(jì)了一個(gè)遺傳算法來對(duì)模型進(jìn)行求解。最后，我們給出了一個(gè)中國(guó)證券市場(chǎng)中的實(shí)證應(yīng)用來說明所提出模型的思想及所設(shè)計(jì)算法的有效性。
5、Parameter Estimation for Long-Memory Stochastic. Volatility at Discrete Observation. Abstract and Applied Analysis, 2014:1-10. SCI收錄
應(yīng)實(shí)證金融的需要，在連續(xù)時(shí)間框架下，僅從離散觀測(cè)到的資產(chǎn)價(jià)格出發(fā)，研究了長(zhǎng)記憶隨機(jī)波動(dòng)率模型的參數(shù)估計(jì)方法。在赫斯特指數(shù)已知的假設(shè)條件下，本文構(gòu)建了服從分?jǐn)?shù)O-U過程的長(zhǎng)記憶隨機(jī)波動(dòng)率模型的最小二乘估計(jì)。該參數(shù)統(tǒng)計(jì)量在大樣本下具有一致收斂性和漸進(jìn)正態(tài)性。由Monte-Carlo模擬結(jié)果可驗(yàn)證，該方法具有較高的準(zhǔn)確度和較好的大樣本性質(zhì)。
6、Pricing Convertible Bonds with Credit Risk under Regime Switching and Numerical Solutions，Mathematical Problems in Engineering，DOI:10.1155/2014/381943，2014. SCI、SSCI收錄
研究了狀態(tài)轉(zhuǎn)換環(huán)境下在可轉(zhuǎn)換債券市場(chǎng)中具有違約風(fēng)險(xiǎn)的可轉(zhuǎn)換債券定價(jià)問題。我們獲得了可轉(zhuǎn)換債券價(jià)格滿足的Black-Scholes類型的偏微分方程，提出了具有回售條件和贖回條件的可轉(zhuǎn)換債券定價(jià)模型。我們探討了稀釋效應(yīng)和債務(wù)杠桿對(duì)于可轉(zhuǎn)換債券價(jià)值的影響,也給調(diào)整方法。此外,我們提出了求解可轉(zhuǎn)換債券定價(jià)模型的兩種數(shù)值解的方法，并證明其一致性。最后,定價(jià)結(jié)果通過比較有限差分法和三叉樹的結(jié)果，顯示狀態(tài)轉(zhuǎn)換對(duì)可轉(zhuǎn)換債券的影響程度取決于生成矩陣或狀態(tài)轉(zhuǎn)換的強(qiáng)度。
7、中國(guó)股市暴漲暴跌的交互作用及其預(yù)測(cè)，系統(tǒng)管理學(xué)報(bào)，2014年05期
運(yùn)用互相刺激的Hawkes過程研究中國(guó)股市暴漲和暴漲之間的交互作用。結(jié)果表明,在暴漲和暴跌幅度都服從廣義帕累托分布的情形下,Hawkes過程能很好地?cái)M合兩者之間的相互作用。由模型可得,無論發(fā)生暴漲還是暴跌事件,都將顯著地刺激下一個(gè)暴漲和暴跌的發(fā)生,這說明,中國(guó)股市體現(xiàn)出很明顯的大波動(dòng)聚集特征;此外,暴漲和暴跌都對(duì)同類事件的刺激持續(xù)更長(zhǎng)時(shí)間。最后,運(yùn)用該模型對(duì)中國(guó)股市未來發(fā)生暴漲和暴漲的時(shí)間進(jìn)行相應(yīng)預(yù)測(cè)。
8、基于多元分析的人民幣匯率波動(dòng)率預(yù)測(cè). 數(shù)理統(tǒng)計(jì)與管理, 2014, 33(3):467-477.
對(duì)人民幣匯率波動(dòng)率建立了BEKK,CCC,O-GARCH,IC-GARCH模型。針對(duì)人民幣匯率波動(dòng)率的非對(duì)稱性,改進(jìn)了IC-GARCH模型,建立了IC-GJRGARCH,IC-IGARCH模型。給出了以上各模型的預(yù)測(cè)結(jié)果及評(píng)價(jià),并分析IC情形下,殘差類型及降維技術(shù)對(duì)預(yù)測(cè)效果的影響。人民幣匯率波動(dòng)率的預(yù)測(cè)實(shí)證表明,BEKK模型和IC-GJRGARCH模型比其他模型的預(yù)測(cè)效果要理想;殘差類型為廣義誤差分布與t分布的預(yù)測(cè)效果都要優(yōu)于高斯分布的預(yù)測(cè)效果;模型降維后預(yù)測(cè)效果與降維前的預(yù)測(cè)效果相差不大,甚至優(yōu)于后者。
9、Stock Market Interactions Driven by Large Declines, Emerging Markets Finance and Trade,(50):159-171, 2015. SSCI收錄
本文旨在研究中國(guó)（大陸）股市暴跌和美國(guó)、英國(guó)、日本、香港股市暴跌之間的關(guān)系，同時(shí)試圖預(yù)測(cè)中國(guó)股市未來發(fā)生的暴跌。本文采用互相刺激的帶標(biāo)記Hawkes過程研究不同股市之間的交互作用，其中發(fā)生暴跌看作Hawkes過程刻畫的事件且暴跌幅度服從廣義帕累托分布。研究發(fā)現(xiàn)，不同市場(chǎng)間的暴跌交互作用是不對(duì)稱的。中國(guó)股市發(fā)生的暴跌會(huì)刺激美國(guó)、英國(guó)和日本股市發(fā)生暴跌，尤其是刺激香港股市的暴跌。然而，僅僅香港股市的暴跌會(huì)較顯著地刺激中國(guó)股市發(fā)生暴跌。
10、基于ICA的多元金融市場(chǎng)波動(dòng)溢出及實(shí)證研究，系統(tǒng)工程，2015，已錄用
開展了多元市場(chǎng)之間（外匯市場(chǎng)、貨幣市場(chǎng)、股票市場(chǎng)、債券市場(chǎng)、基金市場(chǎng)）的波動(dòng)溢出效應(yīng)及量?jī)r(jià)關(guān)系研究，運(yùn)用獨(dú)立成分分析（ICA）方法建立基于ICA的IC-EGARCH波動(dòng)溢出擴(kuò)展模型。實(shí)證分析了我國(guó)上證綜指、上證基金、上證國(guó)債、美元兌人民幣匯率和上海銀行間同業(yè)拆借利率間的波動(dòng)溢出效應(yīng)。
11、The valuation of equity warrants under the fractional Vasicek process of the short-term interest rate. Physica A, 2014, 394(15), 320-337. SCI收錄
已有的關(guān)于股本權(quán)證定價(jià)模型的研究都是在固定無風(fēng)險(xiǎn)利率下進(jìn)行的，然而股本權(quán)證相比期權(quán)，存續(xù)期較長(zhǎng)，因此采用隨機(jī)模型刻畫無風(fēng)險(xiǎn)利率的變化行為模式更合理。為了考慮隨機(jī)利率的長(zhǎng)期記憶性，本章通過假設(shè)標(biāo)的資產(chǎn)價(jià)格服從幾何布朗運(yùn)動(dòng)，且隨機(jī)利率服從分?jǐn)?shù)Vasicek模型下的股本權(quán)證定價(jià)問題。利用風(fēng)險(xiǎn)對(duì)沖、隨機(jī)分析和偏微分方程技術(shù)推導(dǎo)了分?jǐn)?shù)Vasicek隨機(jī)利率模型下股本權(quán)證的定價(jià)公式。進(jìn)一步，為了將定價(jià)模型應(yīng)用于實(shí)踐，本文討論了定價(jià)模型的參數(shù)估計(jì)問題，并利用我國(guó)權(quán)證市場(chǎng)的實(shí)際數(shù)據(jù)，進(jìn)行了實(shí)證研究。實(shí)證研究表明：分?jǐn)?shù)Vasicek模型下的定價(jià)結(jié)果較其他模型更接近于真實(shí)值。這說明分?jǐn)?shù)隨機(jī)利率模型的引入對(duì)定價(jià)結(jié)果有所改善，體現(xiàn)了定價(jià)模型的優(yōu)越性。
12、Parameter identification for the discretely observed geometric fractional Brownian motion. Journal of Statistical Computation and Simulation, 2015, 85(2): 269-283. SCI收錄
本文在離散大樣本情況下，采用二次變差和極大似然法相結(jié)合，對(duì)幾何分?jǐn)?shù)布朗運(yùn)動(dòng)模型的參數(shù)進(jìn)行了估計(jì)研究。然后。采用Mallivan隨機(jī)變分法對(duì)參數(shù)估計(jì)量的性質(zhì)進(jìn)行了分析，證明了估計(jì)量的收斂性。并利用蒙特卡羅模擬進(jìn)行數(shù)值模擬實(shí)驗(yàn)，說明了本文方法的可行性和正確性。進(jìn)一步將本文方法與已有的方法進(jìn)行了對(duì)比分析，說明了本文方法的有效性。最后，針對(duì)我國(guó)金融市場(chǎng)的實(shí)際，進(jìn)行了實(shí)證研究。
13、Parameter identification for drift fractional Brownian motions with application to the Chinese stock markets. Communications in Statistics-Simulation and Computation, 2015, 44(8):2117-2136. SCI收錄
盡管帶飄移項(xiàng)分?jǐn)?shù)運(yùn)動(dòng)參數(shù)估計(jì)問題的研究已有不少成果，但是本文給出了估計(jì)帶飄移項(xiàng)分?jǐn)?shù)運(yùn)動(dòng)模型的新方法。通過二次變差理論和遍歷理論，本文提出了基于二次變差和遍歷定理的參數(shù)估計(jì)量，并證明了參數(shù)估計(jì)量的收斂性。然后，利用蒙特卡羅模擬進(jìn)行數(shù)值模擬實(shí)驗(yàn)，說明了本文方法的可行性和正確性。進(jìn)一步將本文方法與已有的方法進(jìn)行了對(duì)比分析，說明了本文方法的有效性。最后，針對(duì)我國(guó)金融市場(chǎng)的高頻數(shù)據(jù)，進(jìn)行了實(shí)證檢驗(yàn)，說明模型的準(zhǔn)確性和可靠性。
14、Two-period trading sentiment asset pricing model with information, Economic Modelling,36：1-7,2014. SSCI收錄
本文提出了一個(gè)兩期交易的情緒資產(chǎn)定價(jià)模型，拓展了Kyle (1985)的噪音理性預(yù)期模型?？紤]了一類非理性的情緒投資者，使得我們可以分析理性投資者和情緒投資者權(quán)衡博弈時(shí)資產(chǎn)價(jià)格的變動(dòng)情況，得到了情緒均衡價(jià)格的解析解，并且以期初價(jià)格為錨定點(diǎn)描述了價(jià)格的時(shí)間路徑。不同于以往的情緒資產(chǎn)定價(jià)模型，我們模型的主要結(jié)論如下：首先，情緒與信息的線性相關(guān)程度越大，信息融入價(jià)格的部分越多。其次，情緒需求的強(qiáng)度越大市場(chǎng)的深度越大，因此情緒交易增強(qiáng)了市場(chǎng)的流動(dòng)性。第三，投資者情緒的溫和高漲，使風(fēng)險(xiǎn)資產(chǎn)的價(jià)格回歸理性預(yù)期價(jià)值，會(huì)增加市場(chǎng)的有效性；而當(dāng)投資者情緒劇烈膨脹時(shí)引起資產(chǎn)價(jià)格的過度反應(yīng)，降低市場(chǎng)的有效性。最后，各時(shí)期風(fēng)險(xiǎn)資產(chǎn)的價(jià)格走勢(shì)取決于理性投資者和情緒投資者各期選擇的最優(yōu)交易量的大小，當(dāng)情緒需求的強(qiáng)度大于某一固定數(shù)值時(shí)，會(huì)造成資產(chǎn)價(jià)格的過度反應(yīng)，連續(xù)的過度反應(yīng)導(dǎo)致資產(chǎn)價(jià)格短期的動(dòng)量效應(yīng)，長(zhǎng)期的反轉(zhuǎn)效應(yīng)。
15、Investor sentiment, information, and asset pricing model, Economic Modelling, 35：436-442, 2013. SSCI收錄
在傳統(tǒng)的噪音理性預(yù)期模型框架下，我們加入了一類不知情的情緒投資者，構(gòu)建了一個(gè)一般化的靜態(tài)的情緒資產(chǎn)定價(jià)模型。模型中，情緒和信息是相對(duì)應(yīng)的。理性投資者利用有價(jià)值的信息進(jìn)行交易，另一方面，情緒投資者誤把情緒當(dāng)作信息，對(duì)風(fēng)險(xiǎn)資產(chǎn)的認(rèn)知價(jià)值包含有個(gè)人的主觀信念，基于情緒進(jìn)行交易。我們分析了不同類型的投資者的相互作用如何維持錯(cuò)誤價(jià)格，并且分析了情緒投資者通過觀測(cè)價(jià)格學(xué)習(xí)信息時(shí)金融資產(chǎn)如何定價(jià)。我們的模型得到以下有意義的結(jié)論。
首先，當(dāng)市場(chǎng)僅存在理性投資者時(shí)，市場(chǎng)完全有效；當(dāng)市場(chǎng)僅存在情緒投資者時(shí)，市場(chǎng)完全無效，同時(shí)情緒敏感性系數(shù)隨著情緒的增大而減小，存在明顯的非對(duì)稱性。其次，當(dāng)情緒投資者的人數(shù)比例小于某一固定數(shù)值時(shí)，在信息到達(dá)及到達(dá)之后資產(chǎn)價(jià)格的變動(dòng)方向相同，短期內(nèi)表現(xiàn)為資產(chǎn)價(jià)格的動(dòng)量效應(yīng)；當(dāng)情緒投資者的人數(shù)比例大于某一固定數(shù)值時(shí)，在信息到達(dá)及到達(dá)之后資產(chǎn)價(jià)格的變動(dòng)方向相反，長(zhǎng)期內(nèi)表現(xiàn)為資產(chǎn)價(jià)格的反轉(zhuǎn)效應(yīng)。第三，理性投資者比重越大，信息質(zhì)量越高，情緒膨脹系數(shù)越小，市場(chǎng)越有效。第四，當(dāng)情緒投資者通過觀測(cè)價(jià)格學(xué)習(xí)信息時(shí)，使得信息全部融入了價(jià)格之中，在此情形下，信息的質(zhì)量不再發(fā)生作用。最后，在存有眾多情緒投資者的市場(chǎng)中，資產(chǎn)的均衡價(jià)格具有人數(shù)比例加權(quán)的平均結(jié)構(gòu)。不論是代表性的情緒投資者模型，還是包含理性投資者和情緒投資者的模型，均表明均衡價(jià)格的情緒部分使得資產(chǎn)的價(jià)格偏離其內(nèi)在價(jià)值。
16、Higher Order Expectations in Sentiment Asset Pricing Model, Economic Modelling, 2014,39：95-100. SSCI收錄
傳統(tǒng)理性定價(jià)模型在解釋資產(chǎn)價(jià)格路徑的時(shí)候表現(xiàn)得較為單一，這與現(xiàn)實(shí)市場(chǎng)的表現(xiàn)并不相符，大量實(shí)驗(yàn)實(shí)證金融研究已證明投資者情緒定當(dāng)對(duì)資產(chǎn)價(jià)格有影響，此外，選美競(jìng)賽思想也有相關(guān)文獻(xiàn)證明其在資產(chǎn)定價(jià)模型中具有一定作用?；谝陨嫌^點(diǎn)，本文首先構(gòu)建基于選美競(jìng)賽的靜態(tài)理性定價(jià)模型，然后以此理性定價(jià)模型為基礎(chǔ)構(gòu)建了更具解釋能力的靜態(tài)情緒定價(jià)模型，以此體現(xiàn)情緒模型的優(yōu)勢(shì)并分析情緒和階數(shù)變化時(shí)對(duì)資產(chǎn)均衡價(jià)格的影響，模擬結(jié)果顯示投資者情緒越高，則資產(chǎn)均衡價(jià)格將越大，并且情緒對(duì)價(jià)格的影響具有非對(duì)稱效應(yīng)，高漲的情緒對(duì)資產(chǎn)價(jià)格的影響程度要比低落情緒大，其次，在同時(shí)引入選美競(jìng)賽思想和采用高階期望的模型中，由于高階期望的存在，均衡價(jià)格曲線將趨于平緩，使 1 期的均衡價(jià)格“惰性”地停留在初始價(jià)格，投資者情緒對(duì)資產(chǎn)價(jià)格的影響因而受到抑制。最后，本文構(gòu)建一個(gè)異質(zhì)性投資者共存情況下的模型來說明采用高階期望比一階期望更具優(yōu)勢(shì)，能夠獲得更多的財(cái)富，以此來說明選美競(jìng)賽理論即使在行為定價(jià)模型中仍具有合理性?？偠灾?，在靜態(tài)情緒定價(jià)模型中，投資者情緒及高階期望對(duì)均衡價(jià)格有重要的影響。
17、The term structure of sentiment effect in stock index futures market, The North American Journal of Economics and Finance, 2014, 30： 171-182. SSCI收錄
本文在構(gòu)建理論模型方面：以股指期貨情緒為切入點(diǎn)，構(gòu)建基于股指期貨情緒的股指期貨定價(jià)模型，包括靜態(tài)股指期貨定價(jià)模型。推導(dǎo)過程中主要采用的是最優(yōu)化方法和對(duì)數(shù)近似方法。在數(shù)值模擬方面：利用Matlab數(shù)學(xué)軟件對(duì)所構(gòu)建的情緒股指期貨定價(jià)模型的數(shù)值解等進(jìn)行數(shù)值模擬，得到情緒-價(jià)格敏感系數(shù)和情緒如何影響交易量等各種圖形。在實(shí)證分析方面：利用SAS統(tǒng)計(jì)軟件和Matlab軟件，主要采用多元統(tǒng)計(jì)分析、主成份分析，混頻數(shù)據(jù)抽樣模型和面板數(shù)據(jù)分析檢驗(yàn)等分析方法，利用現(xiàn)實(shí)金融市場(chǎng)數(shù)據(jù)，研究股指期貨情緒與股指期貨收益和波動(dòng)的聯(lián)動(dòng)性關(guān)系。本文的股指期貨資產(chǎn)定價(jià)模型的構(gòu)建有助于金融衍生品的產(chǎn)品設(shè)計(jì)，有利于結(jié)合投資者情緒為投資者提示風(fēng)險(xiǎn)，有利于金融監(jiān)管部門及時(shí)監(jiān)控風(fēng)險(xiǎn)，制定合理的保證金水平，具有重要的現(xiàn)實(shí)指導(dǎo)意義, 為下一階段基于中國(guó)資本市場(chǎng)特征的金融復(fù)雜系統(tǒng)的控制測(cè)量模型與對(duì)策研究提供了堅(jiān)實(shí)的理論模型基礎(chǔ)。
18、Multi-period portfolio optimization under possibility measures. Economic Modelling, 2013, 35(9):401–408. SSCI收錄.
本文基于可能性均值-方差方法對(duì)多階段模糊投資組合選擇問題進(jìn)行了討論。首先，推導(dǎo)出一定周期后的終端財(cái)富的可能性均值和可能性方差的表達(dá)式。進(jìn)一步，在每個(gè)階段起始點(diǎn)，針對(duì)不斷變化的條件，通過購(gòu)買和出售兩種形式進(jìn)行投資組合調(diào)整。由于市場(chǎng)摩擦這樣的調(diào)整會(huì)產(chǎn)生購(gòu)買和銷售交易費(fèi)用，我們推導(dǎo)出考慮交易費(fèi)用的一定周期后終端財(cái)富的可能性均值和可能性方差的表達(dá)式，并進(jìn)一步提出了帶交易費(fèi)用的多階段可能性均值-方差模型。在風(fēng)險(xiǎn)資產(chǎn)是對(duì)稱三角模糊變量和區(qū)間變量的假設(shè)下，我們還給出了模型的具體表達(dá)式。同時(shí)修改粒子群優(yōu)化算法以求解所提出的交易費(fèi)用的多階段可能性投資組合選擇模型。數(shù)值例子說明了提出的模型和算法的有效性，并表明交易費(fèi)用對(duì)投資策略有著顯著的影響。
19、Hedging Long-Term Exposures of a Well-Diversified Portfolio with Short-Term Stock Index Futures Contracts，Mathematical Problems in Engineering，2014年，DOL：10.1155/2014/843240. SSCI收錄
由于股指期貨具有交易成本低和違約風(fēng)險(xiǎn)小的特點(diǎn)，所以股指期貨常常用來分散化證券市場(chǎng)投資組合的風(fēng)險(xiǎn)管理。采用股指期貨進(jìn)行風(fēng)險(xiǎn)管理的關(guān)鍵問題是如何確定最優(yōu)的股指期貨合約數(shù)量來達(dá)到最優(yōu)的風(fēng)險(xiǎn)管理效果。目前的研究假設(shè)最優(yōu)的股指期貨合約數(shù)量在套期保值期限內(nèi)是不變的，另外未考慮如何采用展期策略來管理分散化投資組合的長(zhǎng)期風(fēng)險(xiǎn)，并且展期套期保值策略主要用在商品的套期保值領(lǐng)域，較少使用在股指期貨套期保值領(lǐng)域。本論文研究了分散化投資組合的長(zhǎng)期風(fēng)險(xiǎn)管理問題，建立了一個(gè)新的展期套期保值模型，并采用等價(jià)轉(zhuǎn)換技術(shù)和動(dòng)態(tài)規(guī)劃方法給出了最優(yōu)解。
20、A Low-rank Decomposition Based Transductive Support Tensor Machine for Semi-Supervised Classification, IEEE Transactions on Image Processing, 2015. 24(6):1825-1838. SCI收錄
針對(duì)張量數(shù)據(jù)的半監(jiān)督分類問題，基于支持向量機(jī)的理論框架，課題組提出了基于張量低秩近似的轉(zhuǎn)導(dǎo)支持張量機(jī)模型。該模型有效克服了交替投影算法的不足，充分利用了凸優(yōu)化的算法和張量的秩一分解，顯著提高了模式識(shí)別的精度。在公開數(shù)據(jù)集上的大量實(shí)驗(yàn)驗(yàn)證了新算法的有效性。
21、A robust least squares support vector machine for regression and classification with noise, Neurocomputing, 2014, 140: 41-52. SCI收錄
加權(quán)最小二乘支持向量機(jī)（WLS-SVM）是LS-SVM的一種改進(jìn)模型，通過對(duì)樣本損失賦予不同權(quán)值，控制噪聲點(diǎn)和孤立點(diǎn)損失，以提高模型的魯棒性?？紤]到加權(quán)最小二乘支持向量機(jī)中的權(quán)重設(shè)置是一個(gè)困難的問題，課題組從WLS-SVM出發(fā)，基于截?cái)嘧钚《藫p失的思想，提出了既可以求解回歸問題，又可以求解分類問題的魯棒最小二乘支持向量機(jī)模型（RLS-SVM）。新模型的最大優(yōu)點(diǎn)是不需要設(shè)置樣本的權(quán)重。在大量公開數(shù)據(jù)集上的實(shí)驗(yàn)表明：從統(tǒng)計(jì)上來說，新模型的魯棒性顯著高于LS-SVM和WLS-SVM。
22、A GA-based feature selection and parameter optimization for linear support higher-order tensor machine, Neurocomputing, 2014. 144: 408-416. SCI收錄
針對(duì)張量數(shù)據(jù)的高維性和高冗余性，考慮到張量的秩一分解能更好地體現(xiàn)張量數(shù)據(jù)的結(jié)構(gòu)信息和內(nèi)在相關(guān)性，從而有效解決“過擬合”問題、“維度災(zāi)難”和小樣本問題，課題組提出了基于遺傳算法的特征選擇方法。在大量的實(shí)驗(yàn)數(shù)據(jù)集上的結(jié)果表明：新算法能夠很好地提取張量的結(jié)構(gòu)信息，顯著地提高了模型的識(shí)別率和計(jì)算速度。
23、A bilateral-truncated-loss based robust support vector machine for classification problems, Soft Computing, 2014. DOI: 10.1007/s00500-014-1448-9. SCI收錄
雙邊加權(quán)模糊支持向量機(jī)是針對(duì)銀行信用卡欺詐問題提出來的，其主要缺點(diǎn)有兩個(gè)：一是模型的計(jì)算復(fù)雜度比較高，二是隸屬度設(shè)置比較困難。在早期，我們解決了模型的求解問題。針對(duì)第二個(gè)問題，課題組提出了一個(gè)基于雙邊截?cái)鄵p失的魯棒支持向量機(jī)模型 （BTL-RSVM )。為了求解新的模型，課題組首先利用CCCP 策略和光滑損失的方法將其轉(zhuǎn)化成迭代求解的凸二次規(guī)劃問題。然后從理論上分析了BTL-RSVM模型和BW-FSVM模型的最優(yōu)解關(guān)系，并通過實(shí)驗(yàn)來測(cè)試 BTL-RSVM模型的魯棒性及其抗噪性。結(jié)果表明：新模型具有很好的魯棒性。
24、集成有限個(gè)專家意見的在線投資組合策略，系統(tǒng)工程理論與實(shí)踐，2015年01期
基于弱集成算法的在線學(xué)習(xí)特征,該文探討了它在在線投資組合選擇中的應(yīng)用,考慮了根據(jù)有限個(gè)專家意見進(jìn)行決策的情形.首先將弱集成算法應(yīng)用到投資于單只股票的專家意見,得到了在線投資組合的單一集成策略,并給出了該策略的競(jìng)爭(zhēng)性能分析,證明了單一集成策略能夠追蹤最好的股票,實(shí)際投資決策中,投資者可能會(huì)選擇多只股票進(jìn)行組合投資,進(jìn)一步將弱集成算法應(yīng)用到投資于不同股票數(shù)目的專家意見,得到了在線投資組合的混合集成策略;證明了混合集成策略實(shí)現(xiàn)的累積收益與最優(yōu)專家意見實(shí)現(xiàn)的累積收益相當(dāng).在長(zhǎng)期投資組合上的數(shù)值算例表明了該文給出的單一集成策略能夠?qū)崿F(xiàn)與最好股票相當(dāng)?shù)氖找?混合集成策略能夠?qū)崿F(xiàn)與最優(yōu)定常再調(diào)整策略相當(dāng)?shù)氖找?且與泛證券投資組合策略相比,能夠獲得更多的收益,具有較好的競(jìng)爭(zhēng)性能。
25、次分?jǐn)?shù)布朗運(yùn)動(dòng)下帶交易費(fèi)用的備兌權(quán)證定價(jià)，中國(guó)管理科學(xué)，2014年05期
為了體現(xiàn)金融資產(chǎn)的長(zhǎng)記憶性,采用次分?jǐn)?shù)布朗運(yùn)動(dòng)刻畫備兌權(quán)證標(biāo)的資產(chǎn)價(jià)格變化的行為模式。利用隨機(jī)分析理論和偏微分方程方法,建立了次分?jǐn)?shù)布朗運(yùn)動(dòng)下帶交易費(fèi)用的備兌權(quán)證定價(jià)模型,進(jìn)一步研究了定價(jià)模型的參數(shù)估計(jì)問題。最后,采用我國(guó)權(quán)證市場(chǎng)實(shí)際數(shù)據(jù)進(jìn)行了實(shí)證分析,通過比較不同定價(jià)模型的結(jié)果說明了長(zhǎng)記憶性和交易費(fèi)用對(duì)定價(jià)結(jié)果有著顯著的影響。
26、基于EEMD的投資者情緒與股指波動(dòng)的關(guān)系研究，系統(tǒng)工程理論與實(shí)踐，Vol.34, No.10, 2014
基于集成經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）對(duì)非線性、非平穩(wěn)性金融時(shí)間序列的有效處理，運(yùn)用EEMD方法分別將投資者情緒和股指價(jià)格序列分解成若干個(gè)獨(dú)立的、不同尺度的IMF分量和一個(gè)殘余項(xiàng)，提取出序列在不同時(shí)間尺度下的波動(dòng)特征，并將得到的IMF和殘余項(xiàng)按照高低頻重構(gòu)為序列的短期波動(dòng)項(xiàng)，中期重大事件影響項(xiàng)和長(zhǎng)期趨勢(shì)項(xiàng)，進(jìn)一步結(jié)合計(jì)量模型考察投資者情緒和股指價(jià)格序列在不同時(shí)間尺度下的波動(dòng)關(guān)聯(lián)性。實(shí)證結(jié)果表明，投資者情緒與股指價(jià)格波動(dòng)在不同時(shí)間尺度下呈現(xiàn)出不同的波動(dòng)關(guān)系：短期投資者情緒與股指價(jià)格波動(dòng)存在雙向影響，中期投資者情緒波動(dòng)領(lǐng)先于股指價(jià)格波動(dòng)，而長(zhǎng)期則轉(zhuǎn)變?yōu)楣芍竷r(jià)格領(lǐng)先投資者情緒波動(dòng)。
27、國(guó)金融市場(chǎng)系統(tǒng)復(fù)雜性的演化機(jī)理與管理研究，投稿《管理科學(xué)學(xué)報(bào)》，第2次返修
論文以貨幣、證券及外匯三個(gè)主要子市場(chǎng)及構(gòu)成的整體金融市場(chǎng)為主要對(duì)象，探究其在結(jié)構(gòu)、作用和功能方面的演化機(jī)理與管理問題。論文把市場(chǎng)在結(jié)構(gòu)、作用和功能方面的演化機(jī)理解讀為相關(guān)性、非線性和適應(yīng)性。首先，面向相關(guān)性提出了三個(gè)市場(chǎng)間的三體“束縛”模型，涵蓋了“三元悖論”的結(jié)構(gòu)并具體討論了市場(chǎng)波動(dòng)的情形。將該模型推至整個(gè)市場(chǎng)時(shí)，把這一復(fù)雜關(guān)系看作是一個(gè)能隱映彼此的復(fù)雜動(dòng)態(tài)網(wǎng)絡(luò)。其次，面向非線性提出了基于朗之萬方程的動(dòng)力學(xué)一般模型，分析了市場(chǎng)自組織演化結(jié)構(gòu)并劃分了內(nèi)生演進(jìn)及外生隨機(jī)兩類非線性作用，給出了相關(guān)的應(yīng)對(duì)策略。再者，面向適應(yīng)性提出了包含輸入、輸出和反饋的動(dòng)態(tài)模式，反映了不同非線性作用下金融市場(chǎng)演化的路徑及動(dòng)態(tài)適應(yīng)的能力，揭示了市場(chǎng)絕對(duì)運(yùn)動(dòng)與相對(duì)靜止后所表現(xiàn)出的簡(jiǎn)單、混沌、以及介于兩者之間的復(fù)雜狀態(tài)。以相關(guān)性、非線性和適應(yīng)性為新的基準(zhǔn)視角，進(jìn)一步給出其與系統(tǒng)復(fù)雜性特征間的表征關(guān)系，并圖示中國(guó)金融市場(chǎng)的時(shí)空演變結(jié)構(gòu)。由此結(jié)合“靴袢”等理念，從金融系統(tǒng)的環(huán)境、組成、關(guān)聯(lián)、演化、穩(wěn)定、風(fēng)險(xiǎn)各方面構(gòu)建起應(yīng)對(duì)復(fù)雜性的宏觀管理框架。
28、銀行表外業(yè)務(wù)與貨幣政策信貸傳導(dǎo)機(jī)制有效性研究，投稿《經(jīng)濟(jì)研究》，第2次返修
商業(yè)銀行表外業(yè)務(wù)的發(fā)展改變了傳統(tǒng)貨幣政策信貸傳導(dǎo)機(jī)制的作用機(jī)理，不僅使貨幣政策信貸渠道的傳導(dǎo)更加復(fù)雜化，同時(shí)影響了貨幣政策的調(diào)控效果。本文構(gòu)建了考慮銀行表外業(yè)務(wù)影響的銀行信貸傳導(dǎo)模型，并應(yīng)用我國(guó)16家主要商業(yè)銀行2008年—2013年的實(shí)際數(shù)據(jù)對(duì)貨幣政策信貸渠道的有效性進(jìn)行了實(shí)證檢驗(yàn)。研究結(jié)果顯示銀行通過表外業(yè)務(wù)緩沖緊縮性貨幣政策對(duì)表內(nèi)信貸增長(zhǎng)的影響。表外業(yè)務(wù)不僅對(duì)表內(nèi)信貸產(chǎn)生了替代效應(yīng)，滿足了部分表內(nèi)受限的信貸需求，同時(shí)也通過提供新的資金來源產(chǎn)生了互補(bǔ)效應(yīng)。緊縮性貨幣政策條件下，銀行流動(dòng)性、監(jiān)管資本要求對(duì)信貸增長(zhǎng)的約束效應(yīng)在表外業(yè)務(wù)的影響下約束效果下降。
29、股票市場(chǎng)、貨幣市場(chǎng)和外匯市場(chǎng)動(dòng)態(tài)演化研究，投稿《系統(tǒng)工程學(xué)報(bào)》，在審
論文研究了我國(guó)股票市場(chǎng)、貨幣市場(chǎng)及外匯市場(chǎng)之間的動(dòng)態(tài)演化問題，基于我國(guó)金融市場(chǎng)2000年1月至2014年5月的月度數(shù)據(jù)，選取了能夠反映各個(gè)市場(chǎng)特征的19個(gè)重要指標(biāo)進(jìn)行因果關(guān)系檢驗(yàn)，選出12個(gè)既反映所在市場(chǎng)狀況又與另外兩個(gè)市場(chǎng)緊密聯(lián)系的決策指標(biāo)。在此基礎(chǔ)上，構(gòu)建了股票、貨幣及外匯市場(chǎng)的三個(gè)綜合指數(shù)，建立了兩個(gè)以數(shù)據(jù)驅(qū)動(dòng)的三市場(chǎng)動(dòng)態(tài)演化模型，并結(jié)合COMDE算法提出了模型的求解方法。實(shí)證結(jié)果表明：所構(gòu)建的綜合指數(shù)能較好反映三個(gè)市場(chǎng)的波動(dòng)性；帶約束動(dòng)態(tài)演化模型較好地刻畫三個(gè)市場(chǎng)的動(dòng)態(tài)演化結(jié)構(gòu)，得出三個(gè)市場(chǎng)之間的相互影響關(guān)系。該研究成果提供了另一種研究動(dòng)態(tài)演化問題的方法，同時(shí)突破主要以分析性質(zhì)為主的動(dòng)態(tài)演化問題研究，可為政府和投資者提供及時(shí)調(diào)控三個(gè)市場(chǎng)和規(guī)避風(fēng)險(xiǎn)的決策咨詢服務(wù)。
30、基于三元悖論的金融政策目標(biāo)的非線性結(jié)構(gòu)分析，投稿《系統(tǒng)工程理論與實(shí)踐》，在審
論文結(jié)合我國(guó)增持外匯儲(chǔ)備的事實(shí)引入外匯干預(yù)指數(shù)，基于1998年1月至2014年4月的數(shù)據(jù)，采用差分進(jìn)化算法估計(jì)我國(guó)貨幣政策的獨(dú)立性、外匯干預(yù)指數(shù)與資本開放度各政策目標(biāo)間的非線性演化關(guān)系。動(dòng)力學(xué)結(jié)果表明：在政策偏好上，我國(guó)注重維護(hù)匯率的穩(wěn)定性，資本開放度與貨幣政策獨(dú)立性漸近趨于中等的水平。它們之間存在著短期(約1年)與長(zhǎng)期(約5年)不同結(jié)構(gòu)的非線性均衡關(guān)系。短期內(nèi)存在趨于一個(gè)穩(wěn)定值的趨勢(shì)，長(zhǎng)期上因具初值敏感依賴性使其有可能趨于不同配比的情形，由此構(gòu)成各政策目標(biāo)間的三難困境。最后，依據(jù)市場(chǎng)間相互“束縛”的態(tài)勢(shì)提出具體的協(xié)調(diào)性策略和穩(wěn)定性策略。在理論研究上，論文不僅將我國(guó)三個(gè)主要金融市場(chǎng)置于新的格局并提出新的邏輯關(guān)系，還以此反映了不同市場(chǎng)政策目標(biāo)間的權(quán)衡。在實(shí)際應(yīng)用方面，對(duì)于三個(gè)量化指標(biāo)演化方程的估計(jì)及實(shí)證分析回答了：三個(gè)政策目標(biāo)之間存在怎樣的正負(fù)反饋路徑，各自間又處于怎樣的非線性結(jié)構(gòu)關(guān)系；各個(gè)政策演化階段經(jīng)歷了怎樣的結(jié)構(gòu)性改革，是打破了市場(chǎng)短期反應(yīng)的趨勢(shì)還是在較長(zhǎng)的時(shí)間內(nèi)順應(yīng)了變化的趨勢(shì)；對(duì)于外匯儲(chǔ)備增持的事實(shí)，需要政府逐步退出還是繼續(xù)保持干預(yù)的態(tài)度等一系列具體問題。
31、我國(guó)金融市場(chǎng)的風(fēng)險(xiǎn)測(cè)度、傳染路徑與預(yù)警機(jī)制，已經(jīng)投稿金融研究雜志
針對(duì)外匯市場(chǎng)匯率風(fēng)險(xiǎn)、貨幣市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)和股票市場(chǎng)股指風(fēng)險(xiǎn)，從風(fēng)險(xiǎn)測(cè)量、風(fēng)險(xiǎn)傳染和風(fēng)險(xiǎn)預(yù)警三個(gè)方面對(duì)金融風(fēng)險(xiǎn)進(jìn)行了深入系統(tǒng)的研究。結(jié)合我國(guó)國(guó)情，分別構(gòu)造了描述匯率風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和股指風(fēng)險(xiǎn)的壓力指數(shù)，從而刻畫外匯市場(chǎng)、貨幣市場(chǎng)和股票市場(chǎng)的風(fēng)險(xiǎn)水平與分布狀態(tài)。金融市場(chǎng)壓力指數(shù)在屬性上屬于反映市場(chǎng)運(yùn)行和風(fēng)險(xiǎn)變化的同步指標(biāo)，同時(shí)也是判斷其他金融指標(biāo)先行或滯后屬性的基準(zhǔn)指標(biāo)。參考置信區(qū)間的構(gòu)造方法，在現(xiàn)有研究的基礎(chǔ)上將風(fēng)險(xiǎn)程度判斷標(biāo)準(zhǔn)擴(kuò)展為高、中、低三類。使用1997年1月至2015年3月我國(guó)金融市場(chǎng)數(shù)據(jù)計(jì)算壓力指數(shù)，刻畫了各市場(chǎng)風(fēng)險(xiǎn)的類型、程度及分布狀態(tài)，并與實(shí)際相結(jié)合深入剖析了幾次危機(jī)發(fā)生的背景事件。壓力指數(shù)顯示，2015年3月我國(guó)外匯市場(chǎng)處于低風(fēng)險(xiǎn)狀態(tài)，貨幣市場(chǎng)處于流動(dòng)性短缺的中風(fēng)險(xiǎn)狀態(tài)，股票市場(chǎng)處于漲勢(shì)的高風(fēng)險(xiǎn)狀態(tài)。
金融市場(chǎng)的波動(dòng)會(huì)通過一些金融指標(biāo)的變化先行反映出來，因此可以通過選擇先行指標(biāo)對(duì)市場(chǎng)波動(dòng)的轉(zhuǎn)折點(diǎn)和未來的走向進(jìn)行預(yù)警，發(fā)揮類似“報(bào)警器”的監(jiān)測(cè)作用。通過時(shí)差相關(guān)分析在金融壓力指數(shù)的基礎(chǔ)上遴選出各風(fēng)險(xiǎn)變動(dòng)的先行指標(biāo)。在理清子市場(chǎng)間風(fēng)險(xiǎn)的先行作用的基礎(chǔ)上，通過驗(yàn)證資本流動(dòng)對(duì)風(fēng)險(xiǎn)傳染的載體作用，結(jié)合現(xiàn)實(shí)中資本流動(dòng)的路線，總結(jié)出金融風(fēng)險(xiǎn)的傳染路徑和作用機(jī)理。風(fēng)險(xiǎn)的傳染路徑剔除了研究中發(fā)現(xiàn)的間接傳染路徑，僅保留直接傳染路徑，將復(fù)雜的風(fēng)險(xiǎn)傳染問題簡(jiǎn)單化。研究為金融市場(chǎng)監(jiān)管者、參與者理清了金融風(fēng)險(xiǎn)的起源和傳播規(guī)律。研究結(jié)果表明，跨國(guó)和跨市場(chǎng)的資本流動(dòng)是風(fēng)險(xiǎn)在不同子市場(chǎng)間傳染的載體和媒介。金融市場(chǎng)存在以外匯市場(chǎng)匯率風(fēng)險(xiǎn)與信貸市場(chǎng)信用風(fēng)險(xiǎn)為起源的兩條傳染路徑。具體傳染路徑為，一、外匯市場(chǎng)（匯率風(fēng)險(xiǎn)）→貨幣市場(chǎng)（流動(dòng)性風(fēng)險(xiǎn)）→信貸市場(chǎng)（額度風(fēng)險(xiǎn)）、股票市場(chǎng)（股指風(fēng)險(xiǎn)）；二、信貸市場(chǎng)（信用風(fēng)險(xiǎn)）→貨幣市場(chǎng)（流動(dòng)性風(fēng)險(xiǎn)）→外匯市場(chǎng)（匯率風(fēng)險(xiǎn)）、股票市場(chǎng)（股指風(fēng)險(xiǎn)）、信貸市場(chǎng)（額度風(fēng)險(xiǎn)）。
將先行指標(biāo)進(jìn)行短期（1-6個(gè)月）和中長(zhǎng)期（7-12個(gè)月）分類，然后使用逐步回歸剔除造成多重共線性的指標(biāo)，得到預(yù)警指標(biāo)。并使用CI合成法將預(yù)警指標(biāo)合成預(yù)警指數(shù)。由于先行指標(biāo)體現(xiàn)了風(fēng)險(xiǎn)的傳染特性，因此由先行指標(biāo)選取的預(yù)警指標(biāo)考慮了風(fēng)險(xiǎn)傳染的因素。預(yù)警指數(shù)不僅能夠?qū)κ袌?chǎng)短期（1-6個(gè)月）和中長(zhǎng)期（7-12個(gè)月）的風(fēng)險(xiǎn)狀態(tài)進(jìn)行預(yù)警，還可以對(duì)風(fēng)險(xiǎn)程度和類型進(jìn)行區(qū)分。從準(zhǔn)確率、誤報(bào)率和漏報(bào)率三方面對(duì)預(yù)警指數(shù)進(jìn)行檢驗(yàn)，結(jié)果表明預(yù)警指數(shù)表現(xiàn)良好。2015年3月預(yù)警結(jié)果表明我國(guó)外匯市場(chǎng)短期面臨貶值的中風(fēng)險(xiǎn)，中長(zhǎng)期處于低風(fēng)險(xiǎn)狀態(tài)；貨幣市場(chǎng)短期和中長(zhǎng)期均處于低風(fēng)險(xiǎn)狀態(tài)；股票市場(chǎng)短期面臨漲勢(shì)的高風(fēng)險(xiǎn)、中長(zhǎng)期面臨漲勢(shì)的中風(fēng)險(xiǎn)。預(yù)警結(jié)果與我國(guó)現(xiàn)實(shí)情況基本吻合。
32、加快建設(shè)我國(guó)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)防范體系的思路，作為成果要報(bào)上報(bào)，2015.
防范我國(guó)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)，需要準(zhǔn)確把握有效防范系統(tǒng)性風(fēng)險(xiǎn)面臨的主要問題，主動(dòng)協(xié)調(diào)和完善監(jiān)管模式，及時(shí)建立相配套的制度和措施，形成我國(guó)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)防范體系。依據(jù)目前我國(guó)金融市場(chǎng)發(fā)展情況和監(jiān)管現(xiàn)狀，對(duì)建設(shè)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)防范體系面臨著的重要問題進(jìn)行剖析。問題如下：一、我國(guó)現(xiàn)行的分業(yè)經(jīng)營(yíng)、分業(yè)監(jiān)管的金融模式，難以滿足金融市場(chǎng)一體化、綜合經(jīng)營(yíng)發(fā)展趨勢(shì)及有效監(jiān)管系統(tǒng)性風(fēng)險(xiǎn)的現(xiàn)實(shí)需要。二、我國(guó)對(duì)金融風(fēng)險(xiǎn)的監(jiān)管目前主要采用單項(xiàng)指標(biāo)進(jìn)行監(jiān)測(cè)和風(fēng)險(xiǎn)管理，難以防控金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的傳染，難以對(duì)金融風(fēng)險(xiǎn)進(jìn)行系統(tǒng)性的預(yù)警監(jiān)測(cè)。三、我國(guó)監(jiān)測(cè)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的指標(biāo)數(shù)量少、數(shù)據(jù)量小，難以及時(shí)收集金融市場(chǎng)數(shù)據(jù)信息和掌握變動(dòng)情況。解決我國(guó)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)防范體系建設(shè)主要問題的思路和對(duì)策如下：一、設(shè)立統(tǒng)籌金融市場(chǎng)全局監(jiān)管的金融監(jiān)管部門。二、建立我國(guó)多層次垂直型的金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)預(yù)警機(jī)制。三、開發(fā)權(quán)威的金融市場(chǎng)官方數(shù)據(jù)平臺(tái)。
課題組供稿
RM新时代APP官网