一、2000年宏观经济景气分析及对策建议（论文文献综述）
李颖[1]（2021）在《基于GBRT集成模型的新冠疫情对我国宏观经济影响研究》文中研究表明2020年突如其来的新冠肺炎疫情使我国及世界经济遭受重创,虽然我国经济有所复苏,但世界经济仍处于低迷状态并伴随衰退风险。我国宏观经济发展及未来走势的预测,对我国及全球经济的恢复具有至关重要的作用。尽管有诸多专家学者对此已做一定分析,但主要集中在对一般宏观经济指标的基本分析,而针对新冠疫情这一新形势下,对宏观经济预测指标研究并利用算法建模预测的研究相对较少。本文基于新冠疫情的特点及其对宏观经济的影响路径,构建了新冠疫情下的宏观经济预测指标体系,分析2020年宏观经济指标受疫情影响的现状。并基于宏观经济预测指标数据,利用统计回归模型和机器学习经典算法进行探索分析,择优选出鲁棒性好、泛化能力强的GBRT集成算法模型,基于该模型对2021年四个季度的GDP同比增速进行预测,由此得出促进我国宏观经济发展的对策建议。具体如下:首先,基于国内外新冠疫情相关数据,利用热力图、词云图等方式可视化展现新冠疫情呈现的特征,探索其对我国宏观经济影响的路径。在已有宏观经济预测指标集的基础上,从产业结构、消费水平、社会投资等7个方面构建了新冠疫情下宏观经济预测指标体系,对指标进行现状分析,并将其与疫情相关数据作关联性分析,发现各种宏观经济指标受疫情影响的程度差别较大。其次,为了进一步探究新冠疫情对宏观经济指标季度GDP同比增速的影响程度,基于1998年-2020年各宏观经济预测指标的数据,先利用多元线性回归模型、向量自回归模型等进行探索性分析,发现数据无法满足多元线性回归假设要求,且向量自回归模型对波动较大的数据预测精度不高。于是进行基于树模型、核空间、集成学习的机器学习经典算法建模探索,根据R2、MSE、MAE指标优选出GBRT集成算法模型,并引入复工复产率及疫苗接种率这两个控制变量,在乐观、中观、悲观情景下对2021年四个季度GDP同比增速进行预测。最后,根据特征分析、路径分析、现状分析、关联度分析及预测分析,发现新冠疫情下宏观经济发展存在的主要问题:工业生产回归常态,第三产业恢复缓慢;消费尚未走出困境,投资增速较同期回落;进出口恢复虽快,外贸仍存不确定性;经济恢复尚未牢固,衍生风险仍未消失。并由此提出促进宏观经济稳定发展的对策建议:加强建设数字经济,推动新兴产业发展;深度挖掘内需消费,构建双循环发展格局;发挥生产链优势,加大稳外贸力度;保障财政政策不转弯,加速提升疫苗覆盖率。
刘忠舟[2]（2020）在《投资者情绪对我国股市收益的影响研究》文中认为我国股票市场历经短短三十多年的发展取得了重大的成就,面临着难得的发展机遇,也伴随着诸多的问题和风险。当前,我国证券市场投资者仍以中小投资者为主,个人投资者教育程度参差不齐,部分投资者缺乏必要的投资知识和技能,交易频繁,非理性交易行为明显。同时,信息不对称等问题的存在,进一步弱化投资者投资的信心,加剧了中小投资者投资情绪波动。严重的投资者情绪波动,会增加股票市场甚至是金融市场的不确定性,增强系统性金融风险发生的可能。因此,在新时期,对投资者情绪和股市收益之间的关系进行研究具有其现实必要性。本文通过对国内外文献进行梳理,对行为金融学的起源和发展,投资者相关理论和模型的学习,仿照BW指数的构建方法选取了封闭式基金折价率、IPO数量及首日收益率、新增开户数、市场换手率、市盈率作为客观指标和消费者信心指数作为主观指标,用主成分分析法构造投资者情绪。本文选取上证综指月度收益率R为因变量,投资者情绪为自变量,居民消费指数、GDP增长率、宏观经济景气指数为控制变量。通过ADF单位根检验、Johansen协整关系检验、VAR及AR根检验、Granger因果关系检验、脉冲响应函数分析、方差分解,说明在剔除宏观控制变量因素影响之后,投资者情绪与上证综指月度收益率之间的关系。本文的结论如下:投资者情绪与上证综指月度收益率之间存在相互的格兰杰因果关系,即投资者情绪与上证综指月度收益率之间相互影响,一方变化会引起另一方变化。从脉冲响应分析结果看,大部分时间里投资者情绪对上证综指月度收益率有正向影响,上证综指月度收益率对投资者情绪有负向影响;方差分解显示投资者情绪对上证综指月度收益率的贡献度为3.45%小于上证综指月度收益率对投资者情绪的贡献度9.88%,即上证综指月度收益率能够影响到投资者情绪,其影响的程度大于投资者情绪对上证综指月度收益率产生的影响。基于研究分析和结论,提出以下对策建议:完善投资者情绪指数和股市收益指数;加快我国证券市场制度建设探索,完善证券市场发展的交易机制;保障证券市场在发展的过程中,其交易机制、信息披露制度都能够不断完善,通过加大监管、处罚力度,有效避免信息偏差对投资者的干扰;优化投资者结构,帮助个人投资者树立正确的投资理念;建立投资者情绪风险预警机制。
龚孟林[3]（2020）在《中国地区金融风险指数构建与实证研究 ——以四川省为例》文中研究表明地区金融的稳健运行为地区经济的健康发展夯实基础,地区金融风险一旦积累到一定程度会形成系统性金融风险甚至金融危机,从而损害国民经济、影响社会稳定。中央经济工作会议也多次强调“守住不发生系统性金融风险的底线”,本文立足现实背景,构建地区金融风险综合度量体系,进而分析地区金融风险状况,对维护地区金融稳健运行、有效防范和化解金融风险具有重要的现实意义。通过梳理相关地区金融风险理论,分析总结了地区金融风险的来源、识别及传导路径,构建了地区金融风险综合度量体系。本文基于经典的金融风险理论（金融风险来源理论、金融风险识别理论、金融风险测度理论）,从宏观经济、地区经济、地区金融三个方面构建地区金融风险监测预警体系,最终选取了39个指标对地区金融风险进行综合度量。运用专家意见法构造判断矩阵,并结合AHP法（层次分析法）对各指标进行赋权,最终构建地区金融风险指数。本文立足所构建的金融风险指数,选取四川省20112016年的相关数据,对四川省的金融风险进行实证分析。结果表明:本文所构建的地区金融风险监测预警体系能较好的测度四川省的区域金融风险变化,总体上四川省金融运行较为平稳,但结构性风险存在:（1）宏观经济金融运行风险评价,20152016年处于中度风险区间,其余年份处于基本安全区间,总体风险可控;（2）地区经济运行风险评价,四川省地区经济运行风险所处区间为基本安全区间,但其风险程度总体呈现为上升态势;（3）地区金融运行风险评价,四川省地区金融运行风险评价得分所处区间为安全区间,但整体呈现出风险逐年增加的趋势。最后,结合实证结果,找出四川省金融运行过程中存在的问题,针对问题提出相关防范对策。本文对四川省金融风险的综合评价与其他相关文献（1）中的研究结果基本一致,这进一步验证了文中所构建的地区金融风险指数的合理性。因此,论文所构建的地区金融风险评价指标体系可结合不同地区的金融风险进行度量,从另一个角度为各地区经济主体的稳健发展提供服务。
刘丽娟[4]（2020）在《企业杠杆率、宏观经济景气指数与系统性金融风险的动态关联研究》文中提出杠杆是保证企业资金正常流动和实体经济发展的重要动力。但在经济进入下行周期,高杠杆、高投入的粗放型经济发展模式积蓄了大量的流动性风险和信用危机,并与宏观经济降速换挡共振,使宏观经济景气指数下降。企业高杠杆和宏观经济不景气叠加造成企业偿付能力不足甚至破产重组,银行的不良贷款风险持续凸显,聚敛为局部金融风险。局部金融风险通过金融关联网络进一步传染、外溢,演变为破坏性更大的系统性金融风险。抑制企业杠杆畸高是防范、化解系统性金融风险的有效手段,但过度去杠杆可能造成企业杠杆塌缩,阻碍金融稳定和宏观经济高质量发展。另外,宏观经济景气指数波动和系统性金融风险演变也会对企业杠杆率产生反向约束作用。因此,在企业去杠杆进程仍在推进、发生系统性金融风险的可能犹在和宏观经济存在诸多边际变化下,把握企业杠杆率、系统性金融风险以及宏观经济景气状况的双向动态关联具有重要意义。本研究首先基于“债务—通缩”、经济周期等理论剖析企业杠杆率、宏观经济景气指数与系统性金融风险的双向关联机制。其次,纵向对比我国企业杠杆率的结构、规模、行业分布情况,并与其它经济体对比,总结出我国企业杠杆率的变化特征;通过对我国宏观经济景气先行、一致、滞后、预警指数走势的对比,归纳出我国宏观经济景气指数的演变特征。接着,借鉴并改进复合系统性压力指数法（简称“CISS指数法”）测度我国系统性金融风险,建立时变参数向量自回归模型（简称“TVP-VAR模型”）,挖掘在等间隔（短期、中期、长期）以及特定时点下,企业杠杆率对系统性金融风险、宏观经济景气指数的时变影响,以及金融风险和经济景气状况对企业杠杆率的动态影响机理和持续效果。实证结果表明:企业适度加杠杆有利于宏观经济保持景气,但过度加杠杆推动系统性金融风险的聚敛,加剧宏观经济不景气,且短期效应大于长期效应;企业去杠杆在短、中、长期下都能够抑制系统性金融风险,但过度去杠杆也会削弱宏观经济活力;反之,系统性金融风险对企业杠杆的约束作用在长期内最为明显,宏观经济景气指数也对企业杠杆率产生时变的负向冲击,使企业杠杆率具有明显的“逆周期”特征;另外,宏观经济景气指数也会对系统性金融风险产生时变的影响,提高宏观经济景气能够有效防范化解系统性金融风险。最后,基于理论分析和实证研究结果,分别从企业去杠杆、防范系统性金融风险以及实现宏观经济高质量发展等方面提出政策建议,为实现“去杠杆、防风险、稳增长”的协同发展提供参考。
丁尚宇[5]（2020）在《银行情绪、信贷供给与经济周期》文中研究指明2008年全球金融危机后,市场情绪和预期管理成为世界各国防范系统性金融风险和促进经济复苏发展的重要环节,也是学术研究的重要方向。近年来,中国金融体系改革不断推进,金融市场实现多元化发展。然而,间接融资仍然是中国实体经济资金来源的主要途径。随着中国利率市场化改革的深入,银行金融创新方式与工具愈加复杂,信贷供给规模迅速扩张,为银行情绪冲击信贷体系和经济稳定提供了作用空间。因此加强银行情绪的监测与疏导,防范银行有限理性造成的负面影响,不仅可以有效遏制银行部门大规模风险累积和暴露,降低系统性金融风险向实体经济的负外部溢出,同时有助于实现银行信贷资金有效服务于实体经济。本文在综述银行情绪测度方法、影响因素以及银行情绪驱动信贷供给和经济周期作用机制现有研究的基础上,构造银行情绪经由信贷供给渠道冲击宏观经济的理论动态模型;随后合成中国的银行情绪指数,检验其形成机理,并对中国银行体系情绪影响经济周期的信贷供给传导机制进行实证检验;最后根据研究结论提出加强银行情绪监测,防范和化解银行情绪波动负面影响的具体政策建议。具体而言,本文构造一国经济体内银行情绪影响经济周期的信贷供给传导机制的理论模型,模拟分析了银行情绪在羊群效应作用下调整信贷决策,引发信贷供给和经济产出不稳定的动态过程。在此基础上,本文运用主成分分析方法以《银行家问卷调查报告》结果为原始数据构建中国银行体系情绪指数,对该指数的周期波动和区制转换特征进行分析。随后利用该指数分析我国银行情绪的形成机制,采用多元线性回归方法和混频格兰杰因果检验方法对货币政策、经济景气水平和经济政策不确定性对银行情绪的影响进行检验。此外,本文分别运用动态-静态同步性方法、交叉谱分析方法、反事实结构向量自回归模型以及门限向量自回归模型,从银行情绪影响信贷供给、银行情绪波动的信贷中介传导机制和异质性银行情绪作用下波动传导机制特征三个方面,对我国银行情绪、信贷供给与经济周期的相互作用机制进行实证检验。本文全面深入研究了中国银行体系情绪的形成机理和对信贷供给与经济周期波动的影响,为加强银行情绪监管,防范银行情绪波动风险,提高货币政策有效性以及丰富宏观审慎管理工具提供经验支持。本文的主要研究结论为:（1）一国经济体内银行情绪波动和信贷决策过程遵循羊群效应,会引起和放大信贷供给量的收缩与扩张,驱动经济周期波动,是经济不稳定的重要来源;经济政策不确定性的存在会导致上述波动传递机制被进一步放大。（2）本文构造的银行情绪指数具有明显区制转化特点,符合情绪乐观和悲观转化的本质特征,是较为适合反映中国银行部门情绪的代理指标。（3）经济景气情况、货币政策变化是银行情绪形成理性判断的基础信息来源,银行主观心理因素在经济政策不确定性作用下对上述信息进行加工,最终形成有限理性银行情绪。具体而言,经济景气水平能够对银行情绪产生正向影响。货币政策变动对银行情绪具有逆周期调节效应,但数量型货币政策效果地发挥存在较长滞后性,价格型货币政策对银行情绪的影响更加明显和迅速,而且银行情绪并不仅仅是货币政策变化的简单“传达器”,不同银行情绪状态会对货币政策传递渠道产生干扰。经济政策不确定性与银行情绪存在反向波动关系,而且银行情绪越悲观对经济政策不确定性状态越敏感。（4）银行情绪波动明显领先于表内外信贷供给波动,是其前瞻性指标。银行受到严格监管和逆周期调控,在表内业务范围内以履行监管下的信贷供给和流动性创造职能为主。而在表外业务中,银行情绪较为充分的转化为根据自身意愿和预期的信贷决策,从而引发监管外的信贷波动。此外,银行情绪变化会在短期影响银行信贷决策行为,同时银行情绪长期变化也受到表内信贷监管指标引导和约束。（5）银行情绪能够通过影子银行信贷供给渠道对宏观经济形成显着冲击效应,而银行情绪对表内信贷供给的影响并未显着通过该渠道传递给宏观经济,说明我国银行情绪在监管薄弱领域具有释放空间,因而其存在性和负面影响不容忽视。缺乏监管的信贷波动具有天然的顺周期性,在银行情绪的驱动下成为金融体系风险的重要来源。（6）银行情绪对经济波动的影响具有显着非对称性。与乐观情绪状态相比,悲观银行情绪抑制了实际冲击的影响,放大了表内外信贷供给对经济周期波动的影响,并导致经济不稳定性持续更长时间;与理性状态相比,在有限理性状态下,影子银行贷款冲击、实际冲击和银行情绪冲击所引起的经济周期波动更大,持续期更长。银行乐观和悲观情绪状态影响逆周期政策调控效果;限理性状态下货币政策逆周期调控机制被彻底打破。本文依据中国银行部门情绪数据,分析了银行情绪以信贷供给为中介对经济周期的波动传递效应,检验了异质性银行情绪作用下的波动传递特征。根据上述研究结论,本文从加强货币政策调控和前瞻性引导、加强银行体系监管、规范银行从业人员行为和进一步完善银行家调查制度四个方面提出具体政策建议。以期多措并举,减少信贷周期波动中银行情绪的作用,控制和消减情绪的负面影响,防范系统性金融风险,维护金融稳定和经济发展。
程悦[6]（2020）在《基于CNN-SVM模型的宏观经济监测预警研究》文中研究说明宏观经济的发展状况反映出我国经济增长、社会发展、人民福祉以及生态环境等全面发展的优劣程度,宏观经济监测预警系统对宏观经济运行的波动性现象进行监测和预报,能够及时有效的反映宏观经济的发展状况,从而为政府提供决策依据,促进宏观经济良好发展。一个好的宏观经济监测预警系统需要有一套符合时代要求的指标体系,指标体系中指标选取的恰当与否,关系着预警结果是否及时有效,也影响着党和政府的宏观经济规划的制定。本文对近十年研究宏观经济监测预警系统指标体系的代表性论文中的指标体系进行汇总分析,并结合统计年鉴中的相关数据,提出在传统指标体系的基础上增加环境污染这个一级指标,并给出相对应的二级指标,从而建立起一套新常态下基于大数据的宏观经济监测预警系统的指标体系。基于宏观经济监测预警系统指标体系的面板数据,构建基于卷积神经网络和支持向量机的预警模型（CNN-SVM模型）,监测预警宏观经济运行情况。首先提出将CNN模型引入到经济领域指标体系面板数据的特征提取问题中。将训练集转化为矩阵输入CNN模型提取特征,然后将提取出的特征向量输入SVM模型进行多分类,不同分类结果代表不同的预警等级。训练好CNN-SVM模型的参数后,带入测试集观察预警效果。将利用该模型所得到的测试集预警结果与实际预警等级进行比对,计算判定系数可达99.3%,与单独的基于CNN模型的预警模型相比准确率明显提高。实证结果表明CNN-SVM预警模型能够处理宏观经济非线性问题,具有强大的特征提取能力和稳定的分类能力,有效防止过拟合和局部最优问题,能够较为准确的描述宏观经济运行状况。
崔微微[7]（2020）在《中国保险业顺周期性与逆周期附加资本研究》文中研究指明随着中国保险市场的迅速发展,保险发展与宏观经济增长之间的关系日益成为热点议题。但与中国保险市场发展不相称的是,保险与银行、证券、信托并列为四大金融支柱产业,保险业是否对宏观经济产生系统性冲击并未得到学界的一致认可。甚至瑞再保险（Swiss Re）早期的保险学者研究发现,非寿险业可能不存在对宏观经济的系统性冲击。随着全球保险业的发展,保险业的顺经济周期性发展逐步成为研究保险业与宏观经济内在关系的焦点话题。直至今日,保险发展是否存在顺经济周期性波动依然是学界争论的议题之一。2012年3月保监会展开保险业第二代偿付能力监管制度体系（中国风险导向的偿付能力体系,China Risk Oriented Solvency System（C-ROSS）,简称“偿二代”）建设工作,随后中国保监会2012年初发布《中国第二代偿付能力监管制度体系建设规划》,同时考虑引入宏观审慎框架下的保险业逆周期监管机制。2016年保监会正式实施的“保险业第二代偿付能力监管制度”中,引入了保险业逆周期附加资本监管机制,并且《保险公司偿付能力监管规则第2号:最低资本》明确指出,保险公司需要计提逆周期附加资本,但具体实施细则尚未制定。因此,保险公司逆周期附加资本计提机制有待加速完善进程。为研究保险业逆周期附加资本监管问题,首先弄清保险业顺经济周期机理是什么?实际中的保险业是否存在顺经济周期现象或顺周期风险?如果存在顺经济周期问题,保险机构监管部门如何构建逆周期附加资本监管的中介指标?以及如何设计保险业逆周期附加资本计提与释放方案?为解决以上问题,本文研究思路是:梳理相关文献及分析实际经验数据发现并提出问题——中国保险业可能存在顺经济周期现象;然后基于已有研究文献理清保险业顺经济周期发展的内在作用机理;其次依据保险业与宏观经济相关指标构建实证模型,检验保险业发展的顺经济周期现象并进一步实证检验保险业偿付风险的顺周期性,从而确定保险业逆周期附加资本监管的必要性;再次,为实现保险业逆周期附加资本监管,首先需确定逆周期附加资本监管的中介指标,其次便是设计保险业逆周期附加资本计提与释放方案;最后基于保险业逆周期监管问题的研究基础,为宏观监管决策者等提出相关建议与对策。根据以上研究思路,本文的主要研究内容如下:第一,基于已有研究文献理清保险业顺经济周期性的内在作用机理。第二,由于保险业发展的不同阶段可能与宏观经济之间的顺周期性波动存在差异,因此基于保险业发展演变角度,以保险业及宏观经济样本数据为基础构建时变参数模型（TVP-VAR）并研究得出,无论非寿险还是寿险的发展过程均存在顺经济周期现象,同时其潜在的偿付风险水平也存在顺经济周期特征,且随时间推移顺周期发展强度也随之动态演变。第三,参照《巴塞尔协议Ⅲ》中商业银行资本缓冲机制中“挂钩变量”的设计思路,构建保险业逆周期附加资本潜在中介指标体系;然后基于时变Copula模型的动态时差相关分析,并结合KLR信号分析等检验潜在中介指标的经济预警效果,最终确定保险业逆周期附加资本监管的中介指标。第四,基于Markov区制转移（MS）模型判别非寿险和寿险业所处的不同发展区制,最终设计出离散式与平滑式保险业逆周期附加资本计提与释放方案。第五,结合保险业顺周期理论及逆周期附加资本监管机制的相关研究,做出总结并提出相关建议。本文总共分为七章,具体章节设置如下:第一章导论。本章着重介绍论文的选题背景、研究意义、国内外研究现状、技术路线与研究方法及论文可能存在的创新点与不足等相关问题。其中,文献综述部分主要针对金融业顺经济周期问题、逆周期监管机制及保险业顺经济周期性及逆周期监管机制等相关问题,梳理国内外相关文献,并进一步对相关研究做出总结与述评。第二章概念界定及相关理论基础。本章首先界定保险业顺经济周期性、附加资本及逆周期监管等相关概念。然后基于偿付能力监管制度、公允价值的会计制度以及投资不足理论、宏观审慎监管等方面梳理保险业顺经济周期性的潜在作用机理及逆周期监管的必要性。第三章中国保险业与宏观经济的关联性发展。本章基于保险业发展与经济增长的共同发展趋势以及保险周期与经济周期的内在联系得到,保险业存在顺经济周期发展现象,尤其保险业在金融危机期间以及宏观经济进入新常态后,顺经济周期发展现象愈发显着;最后以保险发展与宏观经济内在关联的数理基础作总结,并提出相关研究假设,为下一章保险业顺经济周期发展及顺周期风险问题的相关实证检验打下基础。第四章中国保险业顺周期发展与顺周期风险的实证检验。本章从微观与宏观两个角度分别验证了保险业顺周期性发展现象。首先基于微观角度,以2010年-2018年保险公司财务样本为基础,通过GMM差分估计得到,中国保险业存在顺周期发展现象。然后,基于宏观视角,以时变角度研究保险业发展与宏观经济指标之间的动态演变路径,通过时变脉冲响应研究了保险业的顺周期发展及顺周期风险问题。基于宏观视角,本章选取2005年-2018年月度数据分别研究非寿险业和寿险业的顺经济周期问题,一方面基于保险发展指标研究保险市场发展水平的顺经济周期特征,另一方面通过构建保险风险压力指数,分别研究非寿险与寿险偿付风险的顺经济周期性。通过时变参数模型得到,无论非寿险还是寿险的发展水平均存在顺经济周期特征,同时其潜在的偿付风险水平也存在顺经济周期特征,且随时间推移,顺经济周期发展强度呈现逐步递增的演变趋势。第五章中国保险业逆周期附加资本监管中介指标的确定。由于中国保险业存在顺周期发展现象且存在潜在顺周期风险隐患,因此对保险业实施逆周期附加资本监管制度存在必要性。为实现逆周期附加资本监管,首先需解决其中介指标问题。本章基于静态与动态时差相关分析并结合KLR信号分析等技术手段,确定保险业逆周期附加资本计提与释放机制的中介指标。首先,确定设计中介指标的基本原则:第一,指标同保险业发展与宏观经济之间的关联程度高且稳定。逆周期监管中介指标既要求与保险业发展相关,又要与宏观经济紧密相连,并且其关联结构要稳定,否则根据中介指标难于判别保险公司计提与释放逆周期附加资本的时点期限。第二,先行预警程度高。保险业逆周期监管中介指标类似于保险业发展的“晴雨表”,能够提前预判宏观经济处于兴衰周期之前,保险业未来的发展走势。其次,基于传统时差相关分析及时变Copula模型的动态时差相关分析,初步确定保险业逆周期监管的潜在中介指标,然后基于KLR信号分析的相关统计指标如噪音信号比、条件危机概率及正确信号发出率等,检验潜在逆周期监管中介指标的预警效果,最终结合时差相关分析、KLR信号分析及保险业实际发展状况等,确定保险业逆周期附加资本计提与释放机制的中介指标。第六章保险业逆周期附加资本计提与释放方案的研究设计。本章首先基于Markov区制转换模型能够甄别经济变量的结构性突变这一特征,分别推断出非寿险业和寿险业发展所处的萧条、平稳、繁荣三个不同区制,进而为计算非寿险与寿险业逆周期附加资本计提与释放资本比例做出相关准备。其次,基于KLR信号分析,分别评判基于区制转移（MS）模型获取的保险业发展区制与保险业实际发展状态的一致性程度。最后,依据《巴塞尔协议Ⅲ》等相关文献,分别针对非寿险业和寿险业逆周期监管机制,设计出离散式与平滑式保险业逆周期附加资本计提与释放方案。第七章结论、建议与展望。基于对保险业顺经济周期问题及逆周期监管的相关研究,归纳总结文章研究结论,并在研究结论的基础上提出相关监管问题与建议,展望今后保险业逆周期监管中可能存在的研究方向。本文可能存在如下三方面的创新点:（1）首次相对完整地设计了保险业逆周期附加资本计提与释放的研究方案。2016年正式实施的“偿二代”监管体系中,明确指出保险公司应该计提逆周期附加资本,国际保险监管组织也提出同样要求,但具体计提细则并未公布。国内外学者对保险公司逆周期附加资本的相关研究十分匮乏,更尚未提出一套完整的逆周期附加资本计提与释放方案。本文针对这一监管空白,在吴杰、粟芳等学者研究基础上,构建了逆周期附加资本监管方案的“中介指标”,以此为基础设计了一套相对完整的逆周期附加资本计提与释放方案。因此,对保险业逆周期附加资本计提机制的研究具有一定的实践前瞻性和理论前瞻性。（2）丰富和完善了关于保险业顺周期性及逆周期监管的相关理论研究。关于保险业顺周期性及逆周期监管的研究文献相对匮乏,尤其是保险业逆周期附加资本监管方面的理论研究严重不足,本文基于此进一步丰富和完善了相关理论。第一,已有文献多基于宏观监管角度论证保险业的顺周期性,而由于监管制度致使保险业出现顺周期性的内在作用机理未做阐释。本文基于前人对保险业顺周期发展的理论基础,比较全面系统地分析了中国“偿二代”监管制度引致的保险业顺经济周期发展作用机理,首次基于资产端和负债端等角度阐释了保险业顺经济周期发展的内在制度动力。第二,本文首次基于投资不足理论阐释了保险业顺周期性的作用机理,尤其是宏观经济处于衰退期时,保险业的萧条发展将进一步恶化宏观经济的下行发展趋势,另一方面也一定程度说明了对保险业施行逆周期附加资本监管的必要性。第三,本文首次全面系统的基于宏观审慎监管角度论证了保险业逆周期附加资本监管的必要性,一定程度丰富了中国金融市场的宏观审慎监管理论体系。（3）研究方法上的改进。第一,中国保险业起步较晚但发展迅速,保险业结构调整频繁,受经济政策冲击明显,在不同宏观经济环境下,保险业发展状态不同。已有少量研究文献中,多以微观线性或静态角度研究保险业顺周期性,不能反映保险业发展的阶段性特征。本文基于微观和宏观角度,首次基于保险业发展演变视角研究了保险业的顺周期问题,基于时变参数模型一定程度上反映了保险业发展的阶段性特征;并且首次通过构建偿付风险压力指数实证检验了保险业顺周期风险的潜在隐患。第二,已有研究文献基于KLR信号分析确定指标的先行预警效果,但不能确定先行预警期限。本文为解决这一缺陷,将时差相关分析与KLR信号方法相结合,通过设置预警期限较短的窗宽,一定程度能够确定指标的先行预警期限,基于此可以缓解监管滞后性问题。第三,本文对设计的逆周期附加资本监管方案进行了一定的实证检验。首先以逆周期监管中介指标为基础构建Markov区制转移模型,然后设计保险业逆周期附加资本计提与释放方案;最后基于KLR信号分析,对通过Markov区制转移模型所得到的保险业不同时期的发展状态与保险业实际发展状态进行一致性检验,使模型结论更具说服力。
厉艳[8]（2020）在《北京市电力景气指数构建与发展预警研究》文中进行了进一步梳理电力行业是影响国民经济发展的基础能源行业,电力生产和消费往往呈现出一定的周期变化趋势,该趋势与经济变动具有很强的相关性和一致性,因此使用经济景气循环的相关方法对电力行业的周期波动变化开展研究具有可行性,对监测电力行业的发展状态和趋势具有重要意义。北京是我国政治中心、文化中心、国际交往中心和科技创新中心,“十三五”以来,北京市明确提出了疏解非首都功能、经济保持中高速增长和显着提升生态环境质量等发展目标,这些内容均与电力行业发展密切相关。本文的主要内容是构建北京市电力景气指数,并进行电力发展预警研究。首先,综合分析了国内外学者关于景气循环分析和预警系统的研究现状,梳理了相关的基础理论。其次,通过调研北京市近年电力生产和消费数据,分析了北京市电力行业的发展趋势,从经济、政策和社会三个角度分析了影响电力景气状态的外部环境,为后文电力景气指标筛选奠定了基础。再次,计算了发电量同比增长和用电量同比增长的灰色关联度,使用北京市发电量同比增长作为基准指标,根据景气指标选取的相关原则,明确了电力景气指标选择的范围。接下来运用X-12调整法对时间序列进行季节调整,然后使用时差相关分析、K-L信息量法、峰谷对应法和时差相似灰色关联度筛选出电力景气先行、一致和滞后指标,构建了北京市电力景气合成指数,建立了北京电力和经济发展的“晴雨表”。最后,在电力景气指数构建的基础上,选择电力景气先行指标和一致指标建立电力发展预警指标体系,使用ARIMA模型对预警指标进行预测,然后使用预警信号灯法构建了电力发展预警模型,建立了北京市电力发展的“报警器”,并提出了对策建议。通过研究发现:北京市电力周期波动在3年左右,其中电力先行、一致和滞后合成指数的波动幅度较为接近,平均位势依次升高;2016年至2019年上半年,北京市电力预警综合指标稳定在绿灯区运行,表明电力发展处于正常状态;2019年下半年,受第二产业生产效益“趋冷”、第三产业发展“过冷”影响,北京市电力发展进入景气收缩阶段,释放“趋冷”信号。本文的研究填补了北京市电力景气指数和发展预警的空白,明确了“现状、环境分析-景气指数构建-发展预警-对策建议”的研究思路,能够为其他地区乃至全国的电力发展监测研究提供有效的示范和借鉴。
郑超[9]（2019）在《投资者行为、股市泡沫与我国金融安全研究》文中提出中国资本市场正不断壮大,结合着不断提高直接融资比例等积极政策引导,直接金融市场与间接金融市场的业务比例将不断得到优化。因此,在我国的现在和将来,资本市场已经成为并将继续作为金融市场的重要组成部分。党的十九大报告指出,新时代背景下未来数年我国经济发展的关键就是紧扣高速增长阶段转向高质量增长阶段的总要求,以推进供给侧结构性改革为主线,打好防范化解重大风险等三大攻坚战。其中,“重大风险”首先指的是经济和金融风险,而资本市场风险也是金融风险组成中的重要一环。资本市场安全的重要性在于,首先资本市场安全是国家金融安全的重要组成部分,资本市场不安全,则很难讲金融系统是安全的;其次在于现代经济金融体系中,不同部门间分工与紧密协作的机制决定了风险都是相互传染的,资本市场的风险很容易扩散传播到其他行业和部门,导致系统性金融危机乃至经济危机。资本市场投资者行为、资产价格行为、价格泡沫、金融风险与金融安全,都是相互联系、相互作用的重要研究对象,在我国资本市场发展日益迅速、市场风险愈发突出的背景下,资本市场过度波动风险进而影响金融安全的问题就是一个非常重要的研究课题,有必要厘清其内在作用机制,用整体观、系统观的思想分析问题,得到更有现实意义的研究结论。本研究运用规范性分析和实证分析相结合的研究方法着重描述微观层次上各个投资者有限理性的决策行为,在中观层次上造成了股票市场的过度波动性风险,而风险的传染效应会导致宏观层面的国家金融安全、甚至国家安全状况受到影响,最终提出相对应的政策建议,以反映当前我国资本市场迅速发展并成长为国民经济重要组成部分的现实与趋势。本文的基本研究结论有:一是以系统观为指导,在详细梳理相关研究文献的基础上,建立一个简单的三异质投资者价格博弈的股市模型,验证股市温和型、扩张型和爆炸型泡沫的产生条件;从经济安全、银行与保险业安全、资本市场安全和货币安全四个层次概括了金融安全的影响因素,认为股市泡沫的膨胀与破裂,影响的是资本市场安全,进而也会作用于金融安全。二是对包含基本面投资者、技术面投资者、情绪投资者和被动投资者的人工股票市场进行了仿真,分析了股票价格趋势、收益率及投资者仓位、账户收益率的情况,结果表明,当市场中被动投资者数量较少,或基本面投资者数量较少,或情绪投资者数量较多时,容易发生股市泡沫,不过,情绪投资者过少时容易出现流动性风险,进而股价崩盘。对风险传染的仿真表明,如果任由危机传染,则很可能会诱发全系统的金融风险;在监管层及时介入后,可以扭转危机传染的进程,将金融风险控制在不扩散状态,维护社会金融安全。从干预效果来看,救助策略要优于免疫策略。三是以托宾Q值法、泡沫系数法衡量了股价偏离基础价值的程度,结果有合理之处,尤其是泡沫系数法,但该两种指标过于单一,容易遗漏重要信息;以GSADF法研究了单纯从股价自身波动特征出发的泡沫情况,成功捕捉到了我国股市2006-2007、2014-2015两段较大的泡沫行情,给出了明确的泡沫程度和泡沫时间的提示,该方法的缺陷在于其递归算法对2009年股市翻倍行情的泡沫程度提示不足、对2018年股市不断下行期间的泡沫水平提示偏高,因此有失偏颇;利用包括基础价值和投资者行为指标、股价波动指标在内的系列指标,以主成分法提取构造股价泡沫指数,表明我国股市共经历过四段泡沫较严重的时期,并且该指数显示我国股市2014-2015年间泡沫程度要高于2006-2007年,有力揭示了2014-2015年A股牛市为杠杆牛、脱离基本面支撑的实际情况,实证效果较其他模型好;研究股价泡沫破裂阶段往往伴生流动性风险的特征,发现流动性指标是波动性指标的格兰杰因,样本期内VAR模型的估计参数表明滞后1阶的流动性指标对波动性指标的影响系数为正且显着,滞后2阶的指标系数为负且显着,这为市场流动性风险管理的必要性和重要性提供了实证证据。四是以股市泡沫实证与测度为基础,继续对我国金融安全状况作出了评价,从经济系统安全、银行与保险业安全、资本市场安全和货币安全四个维度选取GDP增长率等11个初始指标,并运用主成分分析方法从中提取5个主成分,编制我国金融安全指数。结果表明,样本期间我国金融安全指数大致经过了五次方向一致的波动,每一阶段金融安全指数的表现都有着主力经济指标的推动,同时也有着深刻的经济背景;进一步地,以股市泡沫指数代表泡沫水平,以金融安全指数代表我国金融安全水平,建立了马尔可夫区制转换模型（MSIH（3）-VAR（3））,考查了两者之间的动态关系,结果表明,模型相关参数显着,具备明显经济意义:股市泡沫水平是我国金融安全水平的格兰杰因,股市泡沫指数是金融安全指数的领先指标,先带来安全指数的上升,随后滞后2阶时会导致安全指数的下降,脉冲响应函数的结果也印证这一结论,总的来看,我国金融安全状态在区制2（轻度不安全）和区制3（安全）的停留概率较大,区制1（严重不安全）的持续期大概仅有其余区制的一半,说明整体金融安全程度尚属可控。五是提出了坚持以系统观为指导、推动科学有效市场监管、不断完善法律基础设施、建设股市长效发展机制等对策建议,以优化市场监管,防范与化解可能导致金融不安全的风险。本文的创新之处主要在于:第一,提出了新的金融安全研究视角。以投资者行为作为出发点,为资产泡沫寻找微观依据,并由资产价格泡沫破裂风险引出金融安全问题。第二,构建了更加贴近市场实际的全新的股价波动系统动力学模型。第三,首次实证检验了股价泡沫对我国金融安全状况的影响,并得到了股价泡沫影响金融安全的确定结论。第四,本研究讨论了股市泡沫影响金融安全的微观机制和时滞效应,在实证检验基础上提出的政策建议对科学地进行市场监管有一定启发。
黄惠嫦[10]（2019）在《提升广州市人力资源市场供求信息监测能力研究》文中认为人力资源供求信息是劳动力要素市场的重要资源,既反映着劳动力供求状况,又引导着人力资源的流动和配置,对就业调控起着显着的市场导向作用。开展人力资源市场供求信息监测,可为政府宏观就业调控提供决策分析支持,保障人力资源市场稳健运行和促进人力资源优化配置,是政府实施人力资源市场监管和服务的重要内容。目前,广州市亟待提升人力资源市场供求信息监测能力。本文正是基于这一现实需要,从监测能力评价、监测系统架构、分析评估和监测预警等方面展开实证研究,为提升监测能力提供对策建议。主要研究成果:一是对公共部门实施人力资源市场信息监测的内涵、概念进行系统归纳;二是构建模糊综合评价体系,对人力资源市场供求信息监测能力进行评价;三是构建监测系统模型,提出较为完整的人力资源市场供求信息监测系统功能架构;四是健全完善指标体系,编制覆盖需求、供给、匹配、薪酬、流动性五个维度的数据采集指标体系、统计分析指标体系和动态监测指标体系,并结合运用回归分析、熵值法、德尔菲等方法科学进行监测指标的筛选和权重赋值。五是构建人力资源市场供求信息监测指数,运用景气指数技术编制人力资源供求监测综合指数和需求指数、供给指数、匹配指数、薪酬指数、流动指数,全面评估人力资源市场的供求状况。六是构建人力资源市场供求信息预警体系,运用景气预警分析方法设计、编制预警指数和预警信号灯系统。本文研究成果,旨在为政府或公共部门构建和完善人力资源市场监测预警系统提供理论和方法支持,丰富和充实我国人力资源市场信息监测的理论和实证研究。
二、2000年宏观经济景气分析及对策建议（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、2000年宏观经济景气分析及对策建议（论文提纲范文）
（1）基于GBRT集成模型的新冠疫情对我国宏观经济影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及方法 |
| 1.4 创新点和技术路线 |
| 第2章 机器学习经典算法基本原理 |
| 2.1 决策树算法 |
| 2.2 SVM算法 |
| 2.3 集成学习算法 |
| 2.4 交叉验证 |
| 第3章 新冠疫情下宏观经济预测指标体系构建及基本分析 |
| 3.1 新冠疫情特征及对宏观经济影响的路径分析 |
| 3.2 新冠疫情下宏观经济预测指标体系构建 |
| 3.3 宏观经济预测指标的现状动态分析 |
| 3.4 宏观经济预测指标与疫情相关数据的关联性分析 |
| 第4章 基于GBRT集成模型的新冠疫情下宏观经济预测研究 |
| 4.1 基于统计回归模型的探索 |
| 4.2 基于机器学习经典算法的探索 |
| 4.3 宏观经济预测的GBRT集成模型研究 |
| 第5章 新冠疫情下我国宏观经济发展存在的问题及对策建议 |
| 5.1 新冠疫情下我国宏观经济发展存在的问题 |
| 5.2 促进宏观经济稳定发展的对策建议 |
| 第6章 总结及展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在校期间发表论文及参加课题情况 |
（2）投资者情绪对我国股市收益的影响研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 研究背景与研究意义 |
| 一、研究背景 |
| 二、研究意义 |
| 第二节 文献综述 |
| 一、国外文献综述 |
| 二、国内文献综述 |
| 第三节 研究内容与框架 |
| 一、研究内容 |
| 二、研究框架 |
| 第四节 研究思路与研究方法 |
| 一、研究思路 |
| 二、研究方法 |
| 第五节 创新点与不足之处 |
| 一、创新点 |
| 二、不足之处 |
| 第二章 投资者情绪与股市收益的相关理论 |
| 第一节 行为金融学的起源与发展 |
| 一、行为金融学的起源 |
| 二、行为金融学的发展 |
| 第二节 投资者情绪的理论基础 |
| 一、投资者情绪的特征 |
| 二、投资者情绪的度量 |
| 第三节 投资者情绪的理论模型 |
| 一、DSSW模型 |
| 二、BSV模型 |
| 三、DHS模型 |
| 四、统一理论模型 |
| 五、羊群效应模型 |
| 第四节 投资者情绪对股市收益影响的机制分析 |
| 第三章 投资者情绪指标的构建 |
| 第一节 投资者情绪指标变量的数据来源与筛选 |
| 一、指标变量的数据来源 |
| 二、指标变量的筛选 |
| 第二节 投资者情绪指标测算方法的构建 |
| 一、投资者情绪指标测算方法-主成分分析法 |
| 二、投资者情绪指标测算方法构成 |
| 第三节 投资者情绪指标构建的结果分析 |
| 第四章 投资者情绪对我国股市收益影响的实证分析 |
| 第一节 VAR模型理论介绍与限定条件 |
| 第二节 变量选取与数据相关检验 |
| 一、变量选取 |
| 二、数据平稳性与协整检验 |
| (一)ADF单位根检验 |
| (二)Johansen协整检验 |
| 第三节 向量自回归(VAR)模型 |
| 第四节 投资者情绪与股市收益关系的实证分析 |
| 一、AR根检验 |
| 二、Granger因果检验 |
| 三、脉冲响应函数分析 |
| 四、方差分解 |
| 第五章 主要结论与对策建议 |
| 第一节 主要结论 |
| 第二节 对策建议 |
| 参考文献 |
| 致谢 |
| 在读期间完成的科研成果 |
（3）中国地区金融风险指数构建与实证研究 ——以四川省为例（论文提纲范文）
| 摘要 |
| Abstract |
| 1 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 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 研究评述 |
| 1.3 研究内容及研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 创新与不足 |
| 1.4.1 创新之处 |
| 1.4.2 不足之处 |
| 2 地区金融风险指数的理论分析 |
| 2.1 相关概念界定 |
| 2.1.1 区域金融 |
| 2.1.2 地区金融风险 |
| 2.2 地区金融风险评价理论 |
| 2.2.1 金融风险来源理论 |
| 2.2.2 金融风险识别理论 |
| 2.2.3 金融风险测度理论 |
| 2.3 地区金融风险影响因素分析 |
| 2.3.1 宏观经济因素 |
| 2.3.2 地区经济因素 |
| 2.3.3 地区金融因素 |
| 2.3.4 地方政府行为 |
| 2.4 地区金融风险传染分析 |
| 2.4.1 基于宏观经济基本面的风险传染 |
| 2.4.2 基于羊群效应的金融风险传染 |
| 2.4.3 基于公共部门渠道的风险传染 |
| 3 中国地区金融风险指数指标体系的构建 |
| 3.1 地区金融风险指数的指标选取 |
| 3.1.1 指标选取原则 |
| 3.1.2 指标选取依据 |
| 3.1.3 指标筛选及确认 |
| 3.2 地区金融风险指数测度指标临界值设定 |
| 3.2.1 指标临界值设定依据 |
| 3.2.2 指标临界值区间设定 |
| 4 中国地区金融风险指数构建的计算方法 |
| 4.1 基于层次分析法的指标权重确定 |
| 4.1.1 层次分析法 |
| 4.1.2 指标权重确定 |
| 4.2 风险指数的计算及预警区间设定 |
| 4.2.1 指标的综合权重 |
| 4.2.2 综合风险度计算 |
| 4.2.3 地区金融风险综合度量区间的确定 |
| 5 地区金融风险指数合成的实证研究—以四川省为例 |
| 5.1 指数测度方法选择 |
| 5.2 样本选取与数据来源 |
| 5.3 指标数据结构性分析 |
| 5.4 四川省金融风险度综合测算 |
| 5.5 实证结果与分析 |
| 6 结论与政策建议 |
| 6.1 结论 |
| 6.2 政策建议 |
| 6.2.1 提高金融机构风险管理能力 |
| 6.2.2 建立常态化的风险度量体系 |
| 6.2.3 优化地区金融生态环境 |
| 6.3 展望 |
| 参考文献 |
| 附录 A 2011~2016年宏观经济指标原始数据 |
| 附录 B 2011~2016年四川省地区经济运行相关指标得分 |
| 攻读硕士学位期间的科研成果 |
| 致谢 |
（4）企业杠杆率、宏观经济景气指数与系统性金融风险的动态关联研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及趋势 |
| 1.2.1 系统性金融风险的成因 |
| 1.2.2 系统性金融风险的测度 |
| 1.2.3 系统性金融风险与宏观经济 |
| 1.2.4 杠杆率与宏观经济 |
| 1.2.5 杠杆率与系统性金融风险 |
| 1.2.6 文献评述 |
| 1.3 研究思路、内容及研究方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.4 创新点和不足之处 |
| 1.4.1 创新点 |
| 1.4.2 研究不足 |
| 2 企业杠杆率、宏观经济景气指数与系统性金融风险关联的理论分析 |
| 2.1 相关概念 |
| 2.1.1 系统性金融风险的内涵及特征 |
| 2.1.2 企业杠杆率的内涵 |
| 2.1.3 宏观经济景气指数的内涵 |
| 2.2 相关理论基础 |
| 2.2.1 “债务—通缩”理论 |
| 2.2.2 金融脆弱性理论 |
| 2.2.3 金融深化理论 |
| 2.2.4 经济周期理论 |
| 2.3 企业杠杆率、宏观经济景气指数与系统性金融风险的双向关联机理分析 |
| 2.3.1 企业杠杆率对系统性金融风险的影响机理 |
| 2.3.2 企业杠杆率对宏观经济景气指数的影响机理 |
| 2.3.3 系统性金融风险对企业杠杆率的影响机理 |
| 2.3.4 宏观经济景气指数对企业杠杆率的影响机理 |
| 2.3.5 宏观经济景气指数对系统性金融风险的影响机理 |
| 2.3.6 系统性金融风险对宏观经济景气指数的影响机理 |
| 2.4 本章小结 |
| 3 我国企业杠杆率、宏观经济景气指数的现状分析 |
| 3.1 我国企业杠杆率现状分析 |
| 3.1.1 我国企业杠杆率的变化趋势 |
| 3.1.2 企业杠杆率的国际对比 |
| 3.1.3 不同所有制上市企业杠杆率特征 |
| 3.1.4 企业杠杆率的行业分布特征 |
| 3.2 我国宏观经济景气指数变化特征分析 |
| 3.3 本章小结 |
| 4 基于CISS指数法的我国系统性金融风险测度 |
| 4.1 CISS指数法的提出 |
| 4.2 系统性金融风险测度的指标选取及处理 |
| 4.3 基于复合系统性压力指数法(CISS)的系统性金融风险测度 |
| 4.3.1 基于CDF函数和序统计法的基础指标转换 |
| 4.3.2 基于ANP网络层次分析法的权重计算 |
| 4.3.3 基于BEKK-GARCH模型的矩阵时变交叉相关系数计算 |
| 4.4 我国系统性金融风险的合成及演变特征 |
| 4.5 本章小结 |
| 5 企业杠杆率、宏观经济景气指数与系统性金融风险动态关联的实证分析 |
| 5.1 TVP-VAR模型的构建 |
| 5.2 数据的来源与处理 |
| 5.3 数据的平稳性检验 |
| 5.4 MCMC模拟估计 |
| 5.5 脉冲响应分析 |
| 5.5.1 系统性金融风险对企业杠杆率的脉冲响应分析 |
| 5.5.2 宏观经济景气指数对企业杠杆率的脉冲响应分析 |
| 5.5.3 企业杠杆率对系统性金融风险的脉冲响应分析 |
| 5.5.4 企业杠杆率对宏观经济景气指数的脉冲响应分析 |
| 5.5.5 系统性金融风险对宏观经济景气指数的脉冲响应分析 |
| 5.5.6 宏观经济景气指数对系统性金融风险的脉冲响应分析 |
| 5.6 本章小结 |
| 6 实现“去杠杆、防风险、稳增长”平衡的对策建议 |
| 6.1 坚持“稳中求进”去杠杆 |
| 6.1.1 坚持助优汰劣的“结构性去杠杆” |
| 6.1.2 以发展型手段实现稳妥去杠杆 |
| 6.1.3 建立企业债务风险处理机制 |
| 6.2 建立风险预警和处置机制 |
| 6.2.1 强化金融服务功能 |
| 6.2.2 加强政策与监管的协同作用 |
| 6.2.3 建立预警和处置长效机制 |
| 6.3 实现更平衡、更充分的稳健发展 |
| 6.3.1 坚持经济高质量发展为首要任务 |
| 6.3.2 继续深化供给侧改革 |
| 6.3.3 优化投资、消费质量,积极释放有效的需求潜力 |
| 7 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究不足与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的科研成果 |
（5）银行情绪、信贷供给与经济周期（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 导论 |
| 1.1 研究背景与意义 |
| 1.2 研究对象与内涵界定 |
| 1.2.1 主要研究对象 |
| 1.2.2 内涵的界定与区分 |
| 1.3 文献综述 |
| 1.3.1 情绪与经济周期的研究 |
| 1.3.2 银行情绪的测度方法研究 |
| 1.3.3 银行情绪的影响因素研究 |
| 1.3.4 银行情绪、信贷供给与经济周期作用机制研究 |
| 1.3.5 小结 |
| 1.4 研究思路、方法与内容 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.4.3 主要内容 |
| 1.5 研究的创新与不足 |
| 1.5.1 创新点 |
| 1.5.2 不足之处 |
| 第2章 银行情绪影响经济周期的信贷供给传导机制分析与模拟 |
| 2.1 银行情绪影响经济周期的信贷供给传导机制理论分析 |
| 2.2 银行情绪影响经济周期的信贷供给传导机制模型构建与分析 |
| 2.2.1 基准模型设定 |
| 2.2.2 参数设定和模拟结果分析 |
| 2.3 贷款策略异质性设定下的传导机制分析与模拟 |
| 2.3.1 乐观银行贷款策略异质性设定下的传导机制分析与模拟 |
| 2.3.2 全体银行贷款策略异质性设定下的传导机制分析与模拟 |
| 2.4 经济政策不确定性设定下的传导机制分析与模拟 |
| 2.4.1 模型设定 |
| 2.4.2 参数设定与模拟结果分析 |
| 2.5 本章小结 |
| 第3章 银行情绪指数的构建与分析 |
| 3.1 银行家调查问卷与原始指标选取 |
| 3.1.1 《银行家调查问卷报告》概述 |
| 3.1.2 银行情绪原始指标选取 |
| 3.1.3 银行情绪原始指标时期确定 |
| 3.2 基于主成分分析法的银行情绪指数构建 |
| 3.2.1 主成分分析法 |
| 3.2.2 银行情绪指标合成结果分析 |
| 3.3 银行情绪指数的特征分析 |
| 3.3.1 银行情绪指数的周期波动分析 |
| 3.3.2 银行情绪指数的区制转换分析 |
| 3.4 本章小结 |
| 第4章 银行情绪影响因素的实证检验 |
| 4.1 基于中国现实背景的银行情绪影响因素分析 |
| 4.2 研究假设与实证方法 |
| 4.2.1 研究假设 |
| 4.2.2 实证方案与方法 |
| 4.3 变量选取与处理 |
| 4.3.1 指标选取 |
| 4.3.2 数据处理 |
| 4.4 银行情绪影响因素的实证结果分析 |
| 4.4.1 多元回归模型结果分析 |
| 4.4.2 混频格兰杰因果检验结果分析 |
| 4.5 银行情绪影响因素的稳健性分析 |
| 4.5.1 相关性分析 |
| 4.5.2 低频格兰杰因果检验分析 |
| 4.6 本章小结 |
| 第5章 银行情绪影响信贷供给波动的实证检验 |
| 5.1 中国信贷供给内涵的变化 |
| 5.2 银行情绪影响信贷供给的假设提出 |
| 5.3 银行情绪影响信贷供给波动的实证方案设计 |
| 5.3.1 实证方案 |
| 5.3.2 实证方法概述 |
| 5.3.3 指标选取与处理 |
| 5.4 银行情绪影响信贷供给波动的实证结果分析 |
| 5.4.1 静态同步性结果分析 |
| 5.4.2 动态同步性结果分析 |
| 5.4.3 交叉谱结果分析 |
| 5.4.4 稳健性分析 |
| 5.5 本章小结 |
| 第6章 银行情绪影响经济周期的信贷供给传导机制的实证检验 |
| 6.1 银行情绪影响经济周期的信贷传递渠道分析 |
| 6.2 研究假设和实证方案 |
| 6.2.1 研究假设的提出 |
| 6.2.2 实证方案 |
| 6.2.3 指标选取与处理 |
| 6.3 实证结果分析 |
| 6.3.1 结构向量自回归模型结果分析 |
| 6.3.2 反事实结果分析 |
| 6.4 银行情绪影响经济周期的信贷供给传导机制的稳健性分析 |
| 6.5 本章小结 |
| 第7章 银行情绪异质性的经济周期波动效应检验 |
| 7.1 银行情绪异质性的经济周期波动效应检验的假设提出 |
| 7.2 银行情绪异质性的经济周期波动效应的实证方案 |
| 7.2.1 两区制TVAR模型 |
| 7.2.2 非线性检验 |
| 7.2.3 广义脉冲响应函数 |
| 7.3 指标选择与处理 |
| 7.4 实证结果分析 |
| 7.4.1 非线性检验结果 |
| 7.4.2 乐观-悲观情绪模型的脉冲响应结果分析 |
| 7.4.3 理性-有限理性情绪模型的脉冲响应结果分析 |
| 7.5 本章小结 |
| 第8章 结论与建议 |
| 8.1 主要结论 |
| 8.2 政策建议 |
| 8.3 研究展望 |
| 参考文献 |
| 攻读博士期间的科研成果 |
| 致谢 |
（6）基于CNN-SVM模型的宏观经济监测预警研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究意义 |
| 1.3 文献研究综述 |
| 1.4 研究内容 |
| 1.5 研究框架 |
| 1.6 本研究的创新之处 |
| 2 常用的宏观经济监测预警方法概述 |
| 2.1 传统指数预警方法 |
| 2.2 传统景气信号灯方法 |
| 2.3 计量模型预警方法 |
| 2.4 基于机器学习的预警方法 |
| 2.5 小结 |
| 3 基于卷积神经网络和支持向量机的预警模型 |
| 3.1 卷积神经网络特征提取模型 |
| 3.2 支持向量机预测分类模型 |
| 3.3 CNN-SVM预警模型 |
| 4 基于CNN-SVM预警模型的实证研究 |
| 4.1 宏观经济监测预警系统指标体系的构建 |
| 4.2 数据说明 |
| 4.3 基于CNN预警模型的预警效果分析 |
| 4.4 基于CNN-SVM预警模型的预警效果分析 |
| 5 结论与展望 |
| 5.1 主要结论 |
| 5.2 研究展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（7）中国保险业顺周期性与逆周期附加资本研究（论文提纲范文）
| 摘要 |
| abstract |
| 1.导论 |
| 1.1 选题背景、意义及研究目的 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.1.3 研究目的 |
| 1.2 国内外研究现状及评述 |
| 1.2.1 关于金融业顺周期研究的相关文献 |
| 1.2.2 金融业逆周期监管相关文献 |
| 1.2.3 文献述评 |
| 1.3 研究思路与框架、技术路线及研究方法 |
| 1.3.1 研究思路、框架及技术路线 |
| 1.3.2 研究方法 |
| 1.4 论文创新点及不足 |
| 1.4.1 可能的创新点 |
| 1.4.2 存在的不足 |
| 2.概念界定及相关理论基础 |
| 2.1 保险业顺周期性及逆周期监管相关概念 |
| 2.1.1 保险业的顺经济周期性 |
| 2.1.2 附加资本 |
| 2.1.3 逆周期监管及其相关概念 |
| 2.2 保险业顺周期性相关理论 |
| 2.2.1 保险业偿付能力监管制度引致的顺周期性 |
| 2.2.2 公允价值的会计制度 |
| 2.2.3 薪酬激励制度的顺周期性 |
| 2.2.4 投资不足理论 |
| 2.3 基于宏观审慎视角的保险业逆周期监管必要性 |
| 2.3.1 对微观审慎监管制度的冲击 |
| 2.3.2 宏观审慎监管概念的提出及其内涵 |
| 2.3.3 保险市场宏观审慎监管的理论基础 |
| 2.3.4 保险业逆周期监管的必要性 |
| 2.4 本章小结 |
| 3.中国保险业发展与宏观经济周期的关联性发展 |
| 3.1 中国保险市场的发展现状 |
| 3.2 中国保险业与宏观经济的发展趋势分析 |
| 3.2.1 中国保险业总体发展与宏观经济增长的趋同性 |
| 3.2.2 中国非寿险业发展与宏观经济增长的趋同性 |
| 3.2.3 中国寿险业发展与宏观经济增长的趋同性 |
| 3.2.4 中国保险资金运用与宏观经济的互联互动 |
| 3.3 保险周期与经济周期的界定及共同发展趋势 |
| 3.3.1 经济周期与保险周期的基本概念及划分 |
| 3.3.2 保险周期与经济周期的趋同性发展 |
| 3.4 保险业顺经济周期波动的数理基础与研究假设 |
| 3.4.1 宏观经济作用于保险发展的数理基础 |
| 3.4.2 保险发展作用于宏观经济的数理基础 |
| 3.4.3 研究假设 |
| 3.5 本章小结 |
| 4.中国保险业顺周期发展与顺周期风险的实证检验 |
| 4.1 基于微观视角的顺周期发展检验 |
| 4.1.1 指标设计与数据分析 |
| 4.1.2 模型构建 |
| 4.1.3 模型结论 |
| 4.2 基于宏观视角的顺周期发展检验 |
| 4.2.1 时变参数模型理论基础 |
| 4.2.2 TVP-VAR模型的估计方法 |
| 4.2.3 样本数据及指标体系构建 |
| 4.2.4 时变参数模型脉冲响应分析 |
| 4.3 基于偿付风险压力指数的顺周期风险检验 |
| 4.3.1 指标设计 |
| 4.3.2 模型估计 |
| 4.3.3 保险市场偿付风险压力的顺周期性 |
| 4.4 本章小结 |
| 5.中国保险业逆周期附加资本监管中介指标的确定 |
| 5.1 确定保险业逆周期监管中介指标的基本原则与具体思路 |
| 5.1.1 筛选保险业逆周期监管中介指标的基本原则 |
| 5.1.2 确定保险业逆周期附加资本监管中介指标的具体思路 |
| 5.2 潜在的逆周期附加资本监管中介指标体系设计 |
| 5.2.1 Copula模型的相关理论 |
| 5.2.2 构建逆周期附加资本监管相关指标的基础准备 |
| 5.2.3 数据来源及指标体系构建 |
| 5.2.4 保险发展指标及潜在中介指标的描述性分析 |
| 5.3 保险发展与潜在中介指标之间的时差相关分析 |
| 5.3.1 非寿险业与潜在中介指标之间的静态时差相关分析 |
| 5.3.2 基于时变Copula模型的非寿险业动态时差相关分析 |
| 5.3.3 寿险业与潜在中介指标之间的静态时差相关分析 |
| 5.3.4 基于时变Copula模型的寿险业动态时差相关分析 |
| 5.4 逆周期附加资本监管潜在中介指标之间的差异化分析 |
| 5.5 确定保险业逆周期附加资本监管的最佳中介指标 |
| 5.5.1 关于KLR信号分析的相关理论 |
| 5.5.2 基于KLR信号分析筛选非寿险业逆周期附加资本监管中介指标 |
| 5.5.3 非寿险业逆周期附加资本监管最佳中介指标的确定 |
| 5.5.4 基于KLR信号分析筛选寿险业逆周期附加资本监管中介指标 |
| 5.5.5 寿险业逆周期附加资本监管最佳中介指标的确定 |
| 5.6 本章小结 |
| 6.中国保险业逆周期附加资本监管方案的研究设计 |
| 6.1 马尔科夫区制转移(MS)模型的相关理论 |
| 6.1.1 马尔科夫区制转移(MS)模型的理论基础 |
| 6.1.2 滤波与平滑 |
| 6.1.3 马尔科夫区制转移动态回归模型 |
| 6.2 关于保险业的Markov区制转换模型相关参数估计 |
| 6.2.1 基于非寿险业的Markov区制转移模型参数估计 |
| 6.2.2 基于寿险业的Markov区制转移模型参数估计 |
| 6.3 基于KLR信号分析对保险业发展区制划分的评判 |
| 6.3.1 关于非寿险业马尔科夫区制划分的检验 |
| 6.3.2 关于寿险业马尔科夫区制划分的检验 |
| 6.4 保险业逆周期附加资本计提与释放方案的设计 |
| 6.4.1 非寿险业逆周期附加资本计提与释放方案的设计 |
| 6.4.2 寿险业逆周期附加资本计提与释放方案的设计 |
| 6.5 本章小结 |
| 7.结论、政策建议与展望 |
| 7.1 研究结论 |
| 7.2 政策建议 |
| 7.2.1 缓解“偿二代”监管制度引致的顺周期风险应对能力 |
| 7.2.2 构建应对保险业系统性风险的宏观审慎监管制度 |
| 7.2.3 缓解公允价值计价引致的顺周期性波动 |
| 7.2.4 构建薪酬激励制度的长期机制 |
| 7.3 研究展望 |
| 参考文献 |
| (一)中文文献 |
| (二)英文文献 |
| 后记 |
| 致谢 |
| 在读期间科研成果目录 |
（8）北京市电力景气指数构建与发展预警研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 景气指数研究现状 |
| 1.2.2 预警理论研究现状 |
| 1.3 研究内容及技术路线 |
| 第2章 基础理论与方法 |
| 2.1 景气循环分析理论与方法 |
| 2.1.1 景气循环分析概述 |
| 2.1.2 景气指数编制方法 |
| 2.2 预警系统理论与方法 |
| 2.2.1 预警理论概述 |
| 2.2.2 预警主要方法 |
| 2.3 本章小结 |
| 第3章 北京市电力发展趋势及外部环境分析 |
| 3.1 北京市电力发展趋势分析 |
| 3.1.1 电力生产 |
| 3.1.2 电力消费 |
| 3.2 外部环境分析 |
| 3.2.1 经济环境 |
| 3.2.2 政策环境 |
| 3.2.3 社会环境 |
| 3.3 本章小结 |
| 第4章 北京市电力景气指数模型构建 |
| 4.1 北京市电力景气指标初选 |
| 4.1.1 基准指标选取 |
| 4.1.2 景气指标初选 |
| 4.2 北京市电力景气指标数据预处理 |
| 4.2.1 数据处理 |
| 4.2.2 季节调整 |
| 4.3 北京市电力景气指标划分 |
| 4.3.1 指标划分模型 |
| 4.3.2 指标划分结果 |
| 4.4 北京市电力景气指数模型构建 |
| 4.4.1 电力景气指数构建模型 |
| 4.4.2 电力景气指数构建结果 |
| 4.5 本章小结 |
| 第5章 基于电力景气指数的北京市电力发展预警研究 |
| 5.1 北京市电力发展预警指标体系构建 |
| 5.2 北京市电力发展预警指标预测 |
| 5.2.1 指标预测模型 |
| 5.2.2 指标预测结果 |
| 5.3 北京市电力发展预警模型构建 |
| 5.3.1 预警指标阈值设置 |
| 5.3.2 综合指标计算 |
| 5.3.3 预警结果及分析 |
| 5.4 北京市电力发展对策及建议 |
| 5.5 本章小结 |
| 第6章 研究成果和结论 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的学术论文及其它成果 |
| 致谢 |
（9）投资者行为、股市泡沫与我国金融安全研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.1.1 我国资本市场发展迅速 |
| 1.1.2 资本市场风险问题愈发突出 |
| 1.1.3 市场监管水平有待提高 |
| 1.1.4 市场风险、监管效率与金融安全 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 研究方法 |
| 1.5 创新点 |
| 2 基础理论及文献综述 |
| 2.1 投资者效用与投资者行为的研究 |
| 2.1.1 投资者效用 |
| 2.1.2 投资者行为 |
| 2.2 股市泡沫研究 |
| 2.2.1 泡沫概念及分类 |
| 2.2.2 股市泡沫的检验 |
| 2.2.3 股市泡沫的形成机制研究 |
| 2.2.4 股市泡沫的经济效应研究 |
| 2.3 金融安全研究 |
| 2.3.1 相关概念 |
| 2.3.2 新时代金融安全理论分析 |
| 2.3.3 金融危机研究 |
| 2.3.4 金融安全评价与预警分析 |
| 2.4 本章小结 |
| 3 股价行为、泡沫影响金融安全的机理 |
| 3.1 基于投资者行为的股价涨跌系统动力学分析 |
| 3.1.1 股票价格的影响因素分析 |
| 3.1.2 股票价格运动的系统动力学机制 |
| 3.2 股价泡沫产生机理分析 |
| 3.2.1 投资者行为、决策及市场基本设定 |
| 3.2.2 股市泡沫形成机理 |
| 3.3 金融安全影响因素及股市泡沫影响金融安全的机理分析 |
| 3.3.1 金融安全概念及其影响因素分析 |
| 3.3.2 股市泡沫影响金融安全的渠道分析 |
| 3.3.3 一个金融风险传染模型 |
| 3.4 本章小结 |
| 4 股市泡沫及其传染效应仿真研究 |
| 4.1 人工股市仿真 |
| 4.1.1 仿真环境及参数说明 |
| 4.1.2 仿真结果分析 |
| 4.1.3 对仿真结果的敏感性分析 |
| 4.2 传染效应仿真 |
| 4.2.1 仿真环境及参数说明 |
| 4.2.2 风险传染效应仿真基本结果 |
| 4.2.3 传染效应仿真的敏感性分析 |
| 4.3 本章小结 |
| 5 股价泡沫的实证分析 |
| 5.1 基础价值法:一种简单测度 |
| 5.1.1 托宾Q值 |
| 5.1.2 k泡沫系数 |
| 5.2 基于GSADF方法的股价泡沫检验 |
| 5.2.1 基本检验模型 |
| 5.2.2 实证检验 |
| 5.3 考虑基础价值与情绪指标的股市泡沫检验 |
| 5.3.1 基本模型 |
| 5.3.2 实证过程 |
| 5.4 一个流动性风险的视角 |
| 5.4.1 VAR模型阐述 |
| 5.4.2 估计VAR模型 |
| 5.4.3 脉冲响应与方差分解分析 |
| 5.4.4 基本结论与启示 |
| 5.5 本章小结 |
| 6 股市泡沫对金融安全的影响分析 |
| 6.1 我国金融安全状况评价 |
| 6.1.1 金融安全指标体系设计 |
| 6.1.2 基于主成分分析法的金融安全实证分析 |
| 6.2 股市泡沫对我国金融安全状况影响评价 |
| 6.2.1 MS-VAR模型基本原理 |
| 6.2.2 基于MS-VAR模型的实证分析 |
| 6.2.3 脉冲响应与拟合优度分析 |
| 6.2.4 稳健性检验 |
| 6.2.5 结论与启示 |
| 6.3 本章小结 |
| 7 结论及建议 |
| 7.1 论文基本结论 |
| 7.2 预防股市泡沫维护金融安全的对策 |
| 7.2.1 对监管层的建议 |
| 7.2.2 对投资者的建议 |
| 7.3 研究不足及展望 |
| 参考文献 |
| 附录 A 股票价格运动Matlab仿真程序 |
| 附录 B 传染效应仿真程序 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）提升广州市人力资源市场供求信息监测能力研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 现实意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究 |
| 1.3.2 国内研究 |
| 1.4 研究主要内容 |
| 1.5 研究方法及创新 |
| 1.5.1 研究方法 |
| 1.5.2 创新点 |
| 第二章 核心概念与支撑理论 |
| 2.1 核心概念 |
| 2.1.1 监测预警 |
| 2.1.2 人力资源 |
| 2.1.3 人力资源市场供求信息 |
| 2.1.4 人力资源市场供求信息监测 |
| 2.1.5 人力资源市场供求信息监测能力 |
| 2.2 支撑理论 |
| 2.2.1 景气监测预警理论 |
| 2.2.2 劳动力市场配置理论 |
| 2.2.3 系统科学理论 |
| 第三章 广州市人力资源市场供求信息监测能力现状 |
| 3.1 监测体系建设状况 |
| 3.1.1 监测工作网络覆盖市、区、街 |
| 3.1.2 信息调查和采集运行机制基础扎实 |
| 3.1.3 数据指标覆盖面广 |
| 3.1.4 建立定期评估和信息发布机制 |
| 3.2 监测能力评价分析 |
| 3.2.1 监测能力评价内涵及要素构成 |
| 3.2.2 监测能力评价体系构建 |
| 3.2.3 监测能力评价测算与分析 |
| 3.3 本章小结 |
| 第四章 影响广州市人力资源市场供求信息监测能力的问题和因素分析 |
| 4.1 监测能力不足的主要问题及其表现 |
| 4.1.1 整体能力:系统性和完整性不足 |
| 4.1.2 测评能力:评估分析方法待矫正 |
| 4.1.3 获取能力:数据采集存显性缺陷 |
| 4.2 主要影响因素分析 |
| 4.2.1 监测体系对监测能力的影响 |
| 4.2.2 监测评估技术对监测能力的影响 |
| 4.2.3 数据处理技术对监测能力的影响 |
| 4.3 本章小结 |
| 第五章 广州市人力资源市场供求信息监测能力提升路径 |
| 5.1 提升路径之一:完善监测系统构建 |
| 5.1.1 建立监测系统模型 |
| 5.1.2 建立数据采集指标体系 |
| 5.1.3 建立统计分析指标体系 |
| 5.2 提升路径之二:编制人力资源市场供求监测指数 |
| 5.2.1 指数设计的理论基础 |
| 5.2.2 指数体系框架和指标筛选 |
| 5.2.3 指标数据的预处理 |
| 5.2.4 指标权重的赋值 |
| 5.2.5 扩散指数计算 |
| 5.2.6 合成指数计算 |
| 5.2.7 景气状况判定 |
| 5.3 提升路径之三:构建预警指数和预警信号系统 |
| 5.3.1 .确定预警指标的监测临界值 |
| 5.3.2 .确定预警信号灯系统 |
| 5.3.3 .实证分析 |
| 5.4 提升路径之四:改进调查问卷设计与采集 |
| 5.4.1 .结构化量表 |
| 5.4.2 .信度和效度测量 |
| 5.5 提升路径之五:改进评估报告框架与信息发布机制 |
| 5.6 提升路径之六:增强制度保障 |
| 5.7 本章小结 |
| 结论与展望 |
| 研究结论 |
| 研究不足 |
| 研究展望 |
| 参考文献 |
| 致谢 |
| 附件 |
四、2000年宏观经济景气分析及对策建议（论文参考文献）
- [1]基于GBRT集成模型的新冠疫情对我国宏观经济影响研究[D]. 李颖. 重庆工商大学, 2021(09)
- [2]投资者情绪对我国股市收益的影响研究[D]. 刘忠舟. 云南财经大学, 2020(03)
- [3]中国地区金融风险指数构建与实证研究 ——以四川省为例[D]. 龚孟林. 西华大学, 2020(01)
- [4]企业杠杆率、宏观经济景气指数与系统性金融风险的动态关联研究[D]. 刘丽娟. 江苏大学, 2020(05)
- [5]银行情绪、信贷供给与经济周期[D]. 丁尚宇. 吉林大学, 2020(08)
- [6]基于CNN-SVM模型的宏观经济监测预警研究[D]. 程悦. 山东科技大学, 2020(06)
- [7]中国保险业顺周期性与逆周期附加资本研究[D]. 崔微微. 西南财经大学, 2020
- [8]北京市电力景气指数构建与发展预警研究[D]. 厉艳. 华北电力大学(北京), 2020(06)
- [9]投资者行为、股市泡沫与我国金融安全研究[D]. 郑超. 北京交通大学, 2019(06)
- [10]提升广州市人力资源市场供求信息监测能力研究[D]. 黄惠嫦. 华南理工大学, 2019(01)