您的位置: 专家智库 > >

潘水洋

作品数:8 被引量:22H指数:3
供职机构:北京大学经济学院更多>>
发文基金:国家社会科学基金更多>>
相关领域:经济管理理学自动化与计算机技术矿业工程更多>>

文献类型

  • 6篇期刊文章
  • 1篇会议论文

领域

  • 6篇经济管理
  • 1篇矿业工程
  • 1篇自动化与计算...
  • 1篇理学

主题

  • 4篇资产
  • 3篇资产定价
  • 2篇非线性
  • 1篇信任
  • 1篇演化博弈
  • 1篇演化博弈论
  • 1篇在险价值
  • 1篇战略联盟
  • 1篇证券
  • 1篇证券化
  • 1篇中国企业战略
  • 1篇神经网
  • 1篇神经网络
  • 1篇收益率
  • 1篇条件在险价值
  • 1篇期货
  • 1篇企业
  • 1篇人工智能
  • 1篇资产定价模型
  • 1篇资产证券化

机构

  • 7篇北京大学

作者

  • 7篇潘水洋
  • 4篇王一鸣
  • 1篇黄昊
  • 1篇刘俊玮

传媒

  • 2篇现代管理科学
  • 1篇兰州学刊
  • 1篇数量经济技术...
  • 1篇浙江大学学报...
  • 1篇统计与决策

年份

  • 2篇2020
  • 2篇2019
  • 2篇2017
  • 1篇2015
8 条 记 录,以下是 1-7
排序方式:
PPP项目资产证券化对宏观经济的影响被引量:3
2020年
文章基于定量的方法研究PPP项目进行资产证券化对宏观经济产生的影响。通过使用2006—2017年中国省际数据,本文发现PPP项目进行资产证券化整体上会带来较为明显的GDP增长和居民消费水平的提高,这一积极影响的大小与PPP项目的流转率相关性很大,而且分地区的回归结果也表明这一影响在东部、中部和西部地区之间不尽相同。例如在东部地区及西部地区,主要是与教育及卫生、社会保障和社会福利业等领域相关的项目发挥作用;对中部地区的省份来说,交通运输和邮政业相关项目的影响也不容忽视。此外,本文对PPP项目进行资产证券化目前面对的主要困难进行了分析,主要是产品如何标准化和信息披露及监管方面要加强,并提出了有针对性的政策建议。
高震男潘水洋
关键词:PPP项目资产证券化宏观经济
大数据、机器学习与资产定价被引量:3
2019年
文章采用机器学习领域中的记忆神经网络、支持向量机、随机森林捕获多个定价因子之间的非线性定价结构。基于中国A股市场数据将机器学习模型与多因子线性定价模型进行了全面比较。实证结果表明,机器学习非线性定价模型在样本外预测精度、分组多空策略业绩表现均优于传统线性定价模型。基于机器学习理论的非线性资产定价模型能够更加准确对中国股票投资组合未来收益率进行预测,可以指导投资者做出更合理的投资决策从而提升中国资本市场的定价效率。
潘水洋
关键词:大数据资产定价
基于神经网络的股票收益率预测研究被引量:8
2019年
在金融领域的资产定价模型修正过程中,股市的非线性现象往往被选择性忽视,未纳入模型框架,现有模型亦无法刻画因子之间的非线性定价结构。为解决上述问题,引入了机器学习领域中的神经网络模型,以捕获市场组合收益率、市值、账面市值比三因子间的非线性定价结构,并对股票收益率进行预测。将该模型与经典Fama-French三因子模型在样本外拟合优度、多空策略业绩表现上做了对比,结果表明:神经网络模型能精准捕获市场组合收益率、市值、账面市值比3个因子之间的非线性关系,且在样本外拟合优度、多空策略业绩表现上均要优于传统三因子线性定价模型。
潘水洋刘俊玮王一鸣
关键词:神经网络
“一带一路”下中国企业战略联盟信任机制设计——基于演化博弈论的视角被引量:6
2017年
"一带一路"战略背景下,中国企业纷纷组建企业战略联盟共同开拓国际市场,战略联盟的存在是以内部企业相互信任为基础,合理的机制设计将保证战略联盟的稳定与持久。文章采用演化博弈论对战略联盟中各个企业的行为建模,研究了联盟内部采取合作策略企业数量与采取投机策略企业数量的动态演化过程。结果表明:采用合理的惩罚机制,战略联盟中采取投机策略行为的企业数目维持将较低比例,战略联盟主要成员将会采取合作策略实现共赢,有利于维持战略联盟的稳定与持久。
潘水洋黄昊
关键词:一带一路战略联盟博弈论多主体
人工智能在非线性资产定价模型中的应用
在资产定价模型的修正过程中,股市具有长短期记忆结构这个非线性现象广泛存在的金融异像被选择性忽视,未被纳入到模型框架中,其挑战在于刻画定价因子记忆效应的非线性定价结构无法给出一个具体的解析式.为解决以上问题,本文创新性的引...
潘水洋王一鸣
关键词:人工智能
趋势持续时间与价格变化相依结构下的高频交易CVaR模型被引量:1
2015年
针对现有文献估计高频交易风险与实际风险存在偏误,提出基于趋势持续时间与价格变化相依结构下的CVaR模型。该方法首先定义了趋势持续时间和价格变化幅度,并得到趋势持续时间和趋势持续期内价格变化幅度两者边缘分布。然后结合Copula理论构造出趋势持续时间和价格变化幅度的联合分布和条件分布,并在此基础上计算CVaR。最后采用沪深300股指期货高频交易数据对本文提出的模型进行了实证检验。结果表明:下跌趋势持续时间要比上涨趋势持续时间长,对应的下跌幅度要比上涨幅度更大,股指期货上涨与下跌风险具有不对称性。
潘水洋王一鸣
关键词:持续时间连接函数条件在险价值
基于沪深300股指期货高频数据趋势持续期模型的构建与检验被引量:1
2017年
文章针对我国沪深300股指期货高频数据时间序列具有趋势运动特性,提出了趋势持续期模型。首先采用泊松过程对趋势持续期的市场微观结构进行建模,得出了趋势持续期在理论上服从Gamma分布;基于经验模态分解算法提取股指期货日内高频交易数据的趋势持续期,采用最大似然估计法,估计趋势持续期的Gamma分布参数,同时通过Kolmogorov-Smirnov检验验证了模型的有效性;最后对不同采样间隔下的趋势持续期进行标准化处理,趋势持续期模型具有很好的稳健性。
潘水洋王一鸣
关键词:经验模态分解泊松过程
共1页<1>
聚类工具0