我们有选择地回顾了一些关于大数据下预测的文献.考虑了基于数据的方法与因果的方法、微观建模与宏观建模、同质性与异质性、模型不确定性与抽样误差、常参数建模与时变参数建模、模型评估、交叉验证以及聚类等问题.

随着数字经济时代的来临，基于互联网、移动互联网以及人工智能技术的经济活动每时每刻产生了海量大数据，这些海量大数据又反过来驱动各种经济活动.大数据来源不一，形式多样，种类繁杂，既有结构化数据，也有非结构化数据，如文本、图像、音频、视频等，即使是结构化数据，也有新型数据，如函数数据、区间数据与符号数据等.大数据大多拥有巨大的样本容量，也有潜在解释变量维数超过样本容量的高维大数据.大数据的产生以及基于大数据的机器学习的广泛使用，对统计学产生了深刻影响.本文从大数据的特点和机器学习的本质出发，讨论了大数据和机器学习对统计建模与统计推断的挑战与机遇，包括由抽样推断总体分布性质、充分性原则、数据归约、变量选择、模型设定、样本外预测、因果分析等重要方面，同时也探讨了机器学习的理论与方法论基础以及统计学和机器学习的交叉融合.

本文对SAR模型进行了综述，将自回归时间序列模型推广到空间的设定.这是空间计量经济学中最受欢迎的模型，在经济学实证研究中有着广泛的应用，因为它捕捉了经济主体之间的相互作用和溢出效应.本文首先给出了在完全信息静态博弈设定下的纳什均衡模型的经济解释.比较静态经济比较分析提供了对结果有直接和间接影响以及乘数效应的经济解释.本文讨论了传统的ML估计及其在QML估计方面的扩展.我们也阐述了近来对数似然函数凹性方面的最新研究，和其他的估计方法，包括GMM和GEL.利用线性二阶矩构造最优GMM估计方法是可行的.对SAR模型进行估计和检验的GEL方法对未知异方差具有较好的稳健性.

动态双重空间自回归模型是空间计量分析中的主要模型之一，并因其一般性在实证研究中得到了广泛的应用.本文为这一模型的计量分析提供了一种新的工具——脉冲响应分析.新的分析工具刻画了被解释变量，在解释变量发生一单位改变时，因为误差项和自变量的空间结构所导致的平均变化.遵循参考LeSage and Pace（2009）的处理思路，本文将效应细分为直接效应、间接效应和总效应，并定义了各个效应的动态变化值以及在时间上的累积值.本文为这些理论值提供了估计方法和推断理论.计算机的模拟试验证实了理论结果，并显示出良好的有限样本性质.我们将新的分析工具应用于中国省际区域经济发展的研究中，并重点考察了人力资本对人均GDP的影响.我们发现人力资本的间接效应脉冲响应函数短期内为正、长期为负，这意味着区域经济体之间，短期是共赢关系、长期是竞争关系.根据这一结论，本文提出了相关的政策建议.

CPI和工业增加值是国民经济核算的重要基础性指标，对宏观经济形势的分析具有重要的现实意义.本文基于更能够刻画中国经济特征事实的因子模型对中国的CPI及工业增加值进行了样本外预测，并且与传统的预测模型进行比较和相应分析.实证结果支持因子模型比传统方法具有更好的预测能力.

本文研究了货币政策和财政政策冲击对中国固定资产投资和社会消费品零售总额的动态效应.其主要结论如下：1）线性脉冲响应结果表明，只有贷款利率冲击对固定资产投资有短期显著地负向影响，而货币供给政策冲击和财政支出政策冲击对国内投资和消费的影响均不显著；2）状态依赖的脉冲响应表明，贷款利率在扩张时期对固定资产投资和社会消费品零售总额有短期显著的负向作用，但在衰退时期没有显著的影响；3）无论是在扩张时期还是在衰退时期，货币供给和政府支出政策对实际投资和消费均没有显著的影响.基于这些研究结论，我们建议不应在衰退时期实施大规模的政策刺激计划.

防范化解系统性金融风险的首要任务是构建有效的系统性金融风险度量指标.本文采用2011年1月至2019年12月中国16家商业银行数据与沪深300日度收益率，通过蒙特卡罗模拟构造在市场持续下跌的情况下银行业的预期资金缺口指标——SRISK，从微观、中观、宏观三个方面对风险排名、行业间风险传染、宏观经济指标预测性开展实证研究.研究发现：1）SRISK指标能够识别系统重要性机构，该指标下的风险排名具有稳健性；2）不同类别的商业银行对实体行业产生不同影响，五大国有银行对全行业具有资金缺口传染性；3）SRISK指标对宏观经济指标，如生产者价格指数、零售物价指数具有短期预测性，可提前2~3个月反映居民消费价格指数变动趋势.本研究具有重要的应用价值，一方面可将SRISK指标纳入风险测度体系，加强对银行业的审慎监管；另一方面可利用SRISK指标在银行-行业上的敏感性，对不同银行实行差异化管理.

随着互联网大数据时代的到来，各种新媒体不断涌现，社会主体的网络舆情意识日益增强，金融市场的参与各方和监管部门越来越依赖媒体舆情信息进行决策.本文爬取全网舆情1分钟高频数据，运用分位数脉冲响应方法探讨舆情的质量结构和情绪结构对市场行为的非对称效应，通过构建舆情传播动力学SC²I²R模型深入分析舆情传播结构对信息博弈的影响，从理论上研究舆情传播中的三方行为演化博弈机制模型.研究发现：1）政府干预前后的三方博弈系统不存在绝对的稳定均衡点，但综合考虑两种行为结构的市场会存在理论上的均衡状态；2）控制媒体报道的中性舆情占比，将有利于提高政府监管效率；3）政府监管在媒体舆情传播过程中有风险缓释作用，政府介入会降低消极投资者的市场占比，最终达到缓释舆情对金融市场的负向冲击，实现中性投资者市场占比的提高.本文研究为媒体舆情的政府有效监管和市场行为的合理引导提供了新的政策理论依据.

互联网借贷行业的风险控制，除了依赖于平台自律及政府监管，社会第三方组织的参与也能起到监管协同作用.本文在既有研究引入公众媒体这一监管力量的基础上，进一步探讨公众媒体在演化博弈过程中产生的协同监管效应.通过Matlab仿真模拟方法，针对互联网借贷行业的发展历程以及相应的媒体关注趋势情况，以五种不同的均衡情形进行对照，多角度分析公众媒体的参与程度对于均衡结果的影响.研究发现，公众媒体的参与能够在一定程度上弥补监管滞后性带来的风险，通过约束网贷平台的不自律行为以缓解政府监管压力，同时通过声誉机制能够反向激励监管机构更好地履行监管职能.最后，本文针对网贷市场的风险控制与监管提出了相应的对策建议.

本文研究市场环境中的暧昧性如何影响风险资产的价格，市场的流动性和参与者的福利，并探讨暧昧环境下风险资产价格与流动性之间的关系.本文在Vayanos and Wang （2012）的三期模型的基础上进行拓展，假设市场参与者对于风险资产偿付的期望存在暧昧性，并且采用最大最小期望效用模型（MEU）进行决策.在该模型框架下，本文计算出风险资产在暧昧环境下的价格，并推导出两种流动性度量指标——价格冲击和价格反转.通过数值分析，本文发现暧昧环境增加了风险资产价格和流动性关系的复杂性：在一般情况下，暧昧性的存在会降低风险资产在第0期的价格，增加价格冲击；对于价格反转，当流动性需求者的比例较低时，暧昧性的存在会降低价格反转，而当流动性需求者的比例较高时，则会增加价格反转，导致流动性的降低.此外，本文关于流动性冲击的波动对风险资产价格以及流动性的影响进行了比较静态分析，发现在流动性需求者的比例较高时，随着流动性冲击的波动增加，暧昧环境下风险资产价格会降低，价格冲击和价格反转则会上升.最后，本文发现暧昧性存在总会降低参与者的福利.

本文从传导机制角度对A股市场特质波动和收益率之间的关系进行了研究，结果发现A股市场存在典型的“特质波动之谜”，但是与发达国家不同，我国股市“特质波动之谜”的主要成因并非价值回归而是短期投机和价值回归的轮动；由散户交易推动的短期投机对未来收益具有显著的正向影响，只有当特质波动出现变小趋势时，短期投机的影响才会减弱使价值回归的影响表现出来，特质波动的跨期变化趋势是判断轮动状态转换的重要信号.

磁吸效应是市场接近涨跌停板或者熔断阈值时市场价格加速向阈值运动的现象.从反事实模拟思想出发，本文提出类直接比较法，从概率的视角检验中国股票市场中涨跌停板前磁吸效应的特征.即通过类直接比较法生成反事实模拟，构建没有涨跌停限制假设之下股票价格运动的条件概率分布，以此与实际条件概率比较来考察磁吸效应.研究发现，中国股票市场涨跌停板前存在磁吸效应，并且跌停前更强；估值难度、交易活跃程度越高的股票，其磁吸效应越强；相比于开盘股价即接近涨跌停板价的情况，盘中股价接近涨跌停板价的情况下磁吸效应更强.本文还发现磁吸效应的一个可能原因是机构投资者的流动性需求.

本文着重介绍了基于面板数据的处置效应估计的计量方法最新进展.首先，简要介绍了面板数据的项目评估或经济政策评价的现代计量分析的基本模型及其性质和应用.其次，主要关注估计面板数据的平均和分位数处置效应的最新方法和模型.最后，从理论、方法和实证方面探讨了基于面板数据的经济政策评价的计量经济学和统计学未来可能的研究方向，特别地，如何结合三者：机器学习、经济政策评价和面板数据的未来的研究方向展开讨论，为年轻学者提供参考.

社会经济领域是数据科学应用的主要场合之一，如何把握该领域中数据科学的学科格局及其重心，是制定和实施学科发展战略的一个基本问题.本文从我国经济统计的切实需要出发，结合《HMYW 2019统计学报告》中的重要观点，讨论了数据科学在社会经济领域应用的学科格局.本文提出"数据整理方法"、"模糊不确定现象"和"问题导向"是大数据时代数据科学在社会经济中应用时应该把握的三个重心，并分析了各自的重要性和关键点.最后，本文对数据科学未来的发展重心和战略调整进行了探讨.

本文基于现代计量经济学的发展历程，介绍了现代计量经济学的思想、理论、主要内容体系、模型、方法与工具.文中首先回顾经典计量经济学中经典线性回归模型的基本假设，并考察通过扬弃这些假设，发展而来的现代计量经济学的历史背景，进而阐述现代计量经济学的理论体系与主要内容；同时讨论了在大数据时代，大数据为计量经济学带来的挑战与机遇，以及计量经济学今后发展的若干重要方向与趋势.

本文提出一个新的能够体现政策效应异质性的参数：政策受益比例.该参数反映了通过参与某个社会项目，获益个体占受众人群的比例，可用于度量该政策惠民的普遍性.本文在一般的潜变量因果分析框架下，研究了政策受益比例的非参数识别问题，并提出一种可行的估计方法.通过数值模拟，本文发现所提出估计量具有良好的小样本性质.我们将这一方法用于估计新农保政策对农村居民劳动供给、家庭收入和家庭消费的作用，发现新农保政策效果具有明显的异质性.新农保对高劳动供给、高家庭收入和高家庭消费个体的促进作用更加大，而对低劳动供给、低家庭收入和低家庭消费个体的促进作用较弱.这说明为全面准确地评估一项民生政策，须关注该政策的异质性作用.

未被满足的情感需求是导致中老年人决策偏差和经济损失的关键因素.利用2015年中国健康与养老追踪调查（CHARLS）的追踪数据，本文研究了幸福感对中老年人受骗风险的影响.结果表明，中老年人幸福感与受骗风险存在明显的负相关关系.进一步考虑内生性等问题之后，发现基本结果仍然成立.此外，论文支持幸福感或通过增强中老年人自我控制而降低其受骗风险的假设.在中老年人诈骗事件频发的背景下，本文的研究结论有助于社会各界深入认识心理健康对中老年人经济决策的重要性，也为监管部门构建诈骗风险防范体系提供了政策依据.

本文提出了Farrell-Type利润效率的数据包络估计方法，对我国29个省市的130家商业银行2014年至2016年的利润效率进行评估和效率分解.我们将银行的利润效率归因为收益增长（开源）和成本控制（节流）两类行为模式，并分析了所有制差异对行为模式的影响.研究发现了商业银行之间不同的所有制会导致不同的行为模式和效率表现，其中国有商业银行的利润效率显著更低，而股份制商业银行的效率最高.进一步的效率分解和回归分析发现，国有商业银行的无效率来源主要是开源的动力不足，这与其公有制公益性以及在银行体系中扮演的稳定器角色密切相关.我们认为之前单纯以利润取向的银行业效率评价研究高估了国有银行的无效率性，并给出了未来改革建议.该研究为银行利润效率研究提供了新的研究范式，并对国有商业银行的改革方向提供实证依据.

准确预测原油价格对于政府制定政策和市场参与者做出投资决策都至关重要.本文基于变分模态分解（VMD）和集成经验模态分解（EEMD）相融合的二次分解技术，结合差分进化（DE）算法优化后的极限学习机（ELM），提出对原油价格的VMD-RES.-EEMD-DE-ELM混合多步预测模型.为了验证模型的有效性，本文使用布伦特（Brent）和西德克萨斯（WTI）原油的样本数据验证了所提模型的性能.实证结果表明，与其他的基准模型相比，本文所提出的混合模型有效且稳健.

自从欧洲主权债务危机爆发以来，主权风险引发了业界和学术界越来越多的关注.本文基于多元驱动因素视角，采用多种机器学习算法对中美两国主权CDS利差展开预测，并结合平均影响值（MIV）算法分析了中美主权CDS利差驱动因素的异质性.研究发现SVR模型在中美两国的主权CDS利差预测中处于优势地位.而且，中美两国的主权CDS利差的重要驱动因素存在显著差异，本国性因素（例如标普500指数和美元指数）对美国主权CDS利差相对重要，而中国主权CDS利差基本上由全球性因素所决定.研究结论对于国际金融监管协调机构维护全球金融稳定、跨国企业海外投资以及国际投资者保证资产安全具有重要的意义.

本文的目的是在大数据框架下，系统地陈述了如何利用吉布斯抽样（Gibbs sampling）方法作为工具，以样本误差容忍度为标准的大数据关联特征因子提取的推断原理为基础，在金融衍生品场景下对关联风险特征进行有效提取的思维和路径.具体来讲，采用马尔可夫链蒙特卡罗（MCMC）框架下的吉布斯抽样（Gibbs sampling）算法为工具，通过"OR值"（odds ratio）（也称为"比值比"或"优势比"）为验证标准，在大数据（包含传统的结构化和非结构化数据）一般框架下对高度关联特征因子提取推断的原理下，系统性地陈述了如何从海量数据中提取与金融衍生品价格或者风险关联度高的风险特征因子的随机搜索方法.为了能够比较全面地展示如何利用吉布斯抽样方法通过随机搜索算法来实现对金融衍生品风险特征的提取，在本文中，我们对三种金融产品的关联特征提取进行了比较全面和系统的讨论，他们是：1）对支持"基金中的基金"（fund of funds，简称"FOF"）组建的影响基金业绩关联特征的挖掘；2）对影响大宗商品期货螺纹钢价格趋势变化的关联特征指标的挖掘；3）对影响大宗商品期货铜价格趋势分析的关联特征刻画的提取.本文的分析和实证结果表明，我们在大数据框架下建立的特征提取方法除了能够有效地筛选出刻画影响基金业绩的关联特征外，也够提取出影响螺纹钢期货和铜期货价格趋势变化的关联特征，这为业界对FOF的组建与管理，对应金融衍生品价格变化走势，特别是大宗期货交易和风险管理方面提供了一种新的分析维度和风险特征因子应用方向.另外，本文讨论的从大数据的视角筛选金融衍生品风险特征因子的方法，也与过去传统的计量分析方法不同，是金融科技在大数据金融方面分析和应用的创新点.

A股市场自成立以来，绝大部分时间内新股发行（IPO）定价都受到市盈率倍数限制.这种行政干预，是否会影响公司的盈余管理行为和IPO定价效率?本文以2005年1月至2012年4月A股上市公司为研究对象，探讨新股发行时定价有无市盈率倍数限制对公司盈余管理行为和定价效率的影响.结果发现：取消市盈率倍数限制，一方面，提高了新股的定价效率、减小了股票上市首日的收益，提高了资源配置效率；但另一方面，却加大了公司盈余管理行为，降低了会计信息质量.进一步，与国有企业相比，非国有企业在无市盈率倍数限制时，盈余管理的程度更重，股票上市首日的收益更小.本文丰富了政府干预IPO定价相关的经济行为与后果研究，有助于监管层进一步优化和完善IPO定价制度.

股票价格预测一直是学术界和投资者关注的一个重要问题，但由于股票价格走势非常复杂，同时取决于宏观经济环境、个股基本面和投资者情绪等诸多因素，寻找一个合适的模型来准确预测股票价格极具挑战性.传统时间序列预测模型往往基于日度、周度或月度历史数据对股价走势进行预测，但是预测效果一般.近年来，随着金融市场的飞速发展，借助现代信息收集技术，我们可以收集到时间间隔很小的高频交易数据，而高频数据包含大量低频交易数据之外的信息，因此有可能改善股价预测.本文基于非参数函数型数据分析方法从高频交易数据中提取预测因子，并与传统时间序列预测模型构成混合预测模型来对股价走势进行预测.我们的模型对高频预测因子的构造不作任何参数形式的设定，从而具有很高的灵活性.实证研究方面，我们将模型用于预测沪深300指数，分析结果表明，基于高频数据的新预测模型较之传统时间序列模型在预测表现上有显著改善，说明高频交易数据的确有助于改善短期股价预测.

股指价格变动反映了权益类市场的走势情况，是重要的金融行情指标之一，一直备受学术界与业界的关注.基于2006年1月至2019年3月的沪深300指数数据，通过构建混合信息提取器的长短期记忆神经网络模型（H-LSTM），对股票指数价格进行预测.结果表明：采用分批预测、逐点后推、控制涨跌幅度策略以及增加网络输入变量数量、减少预测的时间宽口，可以显著提升LSTM对价格预测的精准度；基于混合信息提取器方法对沪深300指数价格的运行特征提取效果要优于主成分分析、稀疏自编码和t-SNE等方法.

有效定价因子的筛选是多因子量化选股策略的关键.本文采用Group LASSO算法与非参数样条估计相结合的方法筛选中国A股市场的有效因子，结果得到了个别与其他方法一样的因子（如移动平均成交量），但筛选出很多独特因子（如流动比率、市盈率、去趋势换手率、营业利润增长率）.进一步地，基于得到的有效因子构建的投资组合在样本外也有相对更高的超额收益率、更低的收益波动率以及更高的夏普比率.与相关研究的美股因子比较发现，两个市场的因子存在较大差异，美股中的各类动量因子、收益率波动率等并不是A股的有效因子，而A股的市盈率、流动比率也不是美股的有效因子.

成分数据作为因变量的回归模型在经济管理领域应用场景广泛，但在已有方法中，模型的自变量仅包含数值型数据和成分数据，无法满足在数据类型多元化的大数据时代中建模的需求.本文提出了因变量为成分数据，自变量包含函数数据和数值型数据的线性回归方法.借助于成分数据的等距对数比变换，函数数据的主成分基展开，实现了多源异质混合数据的建模分析.特别地，采用一种特定的等距对数比变换方式，保证回归模型的解释性.作为案例，采用中国股票市场日内收益率，交易量和市场情绪构成数据，建立了日内收益率（函数型）和交易量（数值型）对情绪构成（成分型）的回归模型，进一步说明了提出方法的工作过程及其应用价值.

经济、金融、气候科学及其相关领域存在大量非平稳时间序列.为了促进这些学科的理论研究，非平稳时间序列的极限理论在近二十年左右得到了密切的关注和长足的发展；另外，传统的级数估计方法往往要求变量的取值范围为有界紧区间，在一定情况下，特别是在所研究的问题里出现非平稳时间序列的情况下，制约了这种非参数方法的发展和应用.本文总结了近年来作者及其合作者们为了突破传统筛分法的瓶颈而使用正交级数方法所做的一些理论成果和实证应用，尤其是在非参数非平稳时间序列的研究上，为正交级数估计方法在经济、金融、气候科学和相关领域的应用奠定了基础.

从微观个体的人力资本到宏观经济体人力资本总量，不仅存在人力资本度量的内涵问题，同时受到不同技能劳动力加总方式的影响.本文从总量生产函数出发，基于体现劳动效率的个体劳动力工资的人力资本度量指标，构建了由个体层面到宏观层面相互融合的人力资本度量理论框架.在此基础上，本文深入研究三种基于工资的人力资本度量方法以及它们的内在联系，即效率单元、广义人力资本、及国际广泛使用的Jorgenson-Fraumeni（J-F）人力资本度量.效率单元主要通过相对工资体现不同技能层次劳动力的相对质量，广义人力资本在此基础上进一步体现不同技能劳动力间的相互作用.与相对工资的度量不同，J-F人力资本是以个人终身收入的实际值来度量，因此受到劳动力生命周期内人力资本动态变化的影响.然后我们利用中国数据计算了我国从1985年到2018年的相应三种人力资本度量结果并比较分析其动态差异，并且我们分别计算这三种人力资本度量指标对经济发展差异的要素解释力.研究发现，由于不同人力资本度量指标所反映的内涵不同，其描述的发展动态及对经济发展的解释程度存在明显差异.

本文基于全球38个国家和地区的互联网普及程度、金融市场发展程度、及科技创新能力信息，探索互联网技术普及如何影响金融市场作用于长期经济增长的效率.研究发现，从整体来看，互联网普及能显著提升金融市场服务于科技创新的效率，有利于经济长期发展.就作用机制而言，本文发现，对间接融资市场而言，互联网技术的普及能弥补实体银行分布的地域限制，提升银行流动性创造的效率、并提升银行业竞争水平，进而显著提升金融系统效率；对直接融资市场而言，互联网技术普及能对参与度高且换手率高的市场提供技术支撑，起到进一步促进的作用，同时也能够在证券市场波动较大时提供信息优势，保证金融市场效率.

处置效应和反转效应是当前常见的两个金融市场异象，人们常用它们来设计投资策略.针对融资融券标的股票，本文选用资本利得量作为处置效应的代理变量，首先采用计量的方法验证了融资融券市场中的确存在处置效应、反转效应及由两类效应共同解释时出现的反转现象，而后据此设计出一种结合处置效应和反转效应的融资融券零成本策略，该策略在各种排序期和持有期的参数组合下均具有良好表现，优于单独基于反转效应或处置效应设计的策略，具有稳健性和普适性.

近年来，国内外经济形势复杂多变，全球均面临经济增长变缓的挑战，房地产行业面临去库存压力大、资金来源紧、偿债压力重等不可忽视的严峻考验，房地产行业引发的金融风险开始显现.本文使用AR-GARCH-CoVaR模型分别从房地产行业层面和企业层面测算房地产业对金融行业的风险溢出强度.研究结果显示：房地产业对金融行业具有显著的风险溢出效应，不同细分金融行业存在差异，房地产业对非银行金融行业的风险溢出强度超过银行，其中，房地产业对信托行业的风险溢出强度较大.此外，本文对房地产企业进行分类和单个划分，子样本研究结果显示：风险主要集中在小房地产企业，其中小房地产企业对银行以及信托行业的风险溢出强度最强；单个房地产企业的结果显示：绝大部分房地产企业对金融行业均存在风险溢出效应，但是强度存在差异.进一步动态分析结果显示：房地产业对金融行业的风险溢出强度呈现较强的顺周期性，且受监管政策影响很大；在房地产政策收紧、监管政策严格的时候，房地产业对金融行业的风险溢出强度较小，且集中在银行；在房地产政策以及政府监管宽松的时候，房地产业对金融行业的风险溢出强度不断加大，且扩散到不同细分金融行业.

本文利用SVAR模型研究了数量型和价格型货币政策对宏观经济主要变量的实施效果，并首次将符号约束纳入TVP-VAR模型研究两种货币政策对产出、通胀的时变冲击效应.研究结果表明：1）我国的货币政策传导渠道不畅通，汇率、股市资产价格传导渠道均不可行，货币政策对进出口、股价基本无影响.利率传导渠道堵塞.2）影子银行的迅速发展，造成利率和货币供应量都不能有效影响社会融资规模，不利于货币政策的传导.3）利率对产出和通胀率、货币供应量对产出的冲击效应均存在明显时变特征，主要体现在冲击影响的期限变短，说明近年来货币政策长期效果有所降低，同时利率政策即期效果优于货币供应量.建议货币当局进一步疏通货币政策传导渠道，保持经济稳定的同时降低影子银行规模，保持政策惯性，通过预期引导市场发展.

本文综合Haar小波和乘性级联两种树型结构的优势构建一种混合多分形小波模型（H-MWM）来对国际油价进行多期预测.首先，对日度油价做Haar小波三层分解，提取粗粒度层（尺度系数）数据，对尺度系数做单步预测；其次，将日度油价做乘性级联三层分解，提取各层的细粒度（乘子）数据，对各层的乘子做预测；然后，构建尺度系数与乘子间数量关系，用预测的尺度系数和乘子，得到各层小波系数预测值；最后，将尺度系数和小波系数预测值，通过Haar小波重构为原序列粒度，得到日度油价多期预测值.实证研究表明：构建的H-MWM方法在日度油价的多期预测中，在保证预测准确度提高的同时，大大降低了计算时间复杂度.

本文使用量子场理论的相关方法，对单因子HJM模型框架加以拓展和改进，构建了量子场理论下的商品期货持有成本率模型.通过使用WTI原油期货价格进行实证研究，发现该模型的拟合效果相比传统两因子HJM模型更优.通过样本外预测，发现该模型对期货瞬时远期净持有成本率的预测效果更好.对于期货市场的参与者而言，可以通过该模型更准确地预测期货升贴水率，有助于市场参与者防控期货交易中的市场风险和基差风险，促进期货市场高效有序运行.

本文从2015年8月我国股指期货保证金比例及交易费用大幅提高事件入手，利用股指期货及现货5分钟数据，研究了交易成本变动对我国沪深300股指期货价格发现效率的影响.以信息份额模型方法作为衡量股指期货价格发现能力的指标，通过滑动窗口估计沪深300股指期货的信息份额贡献度，本文从动态视角考察了股指期货市场的价格发现能力.实证研究结果显示交易成本的提升在短期对股指期货的价格发现能力产生了显著的负向影响，但随着时间发展，投资者逐渐适应新的市场环境，股指期货的价格发现能力逐步回升.同时，沪深300股指期货市场的价格发现效率在成本提高后开始受到其相对活跃程度和现货市场波动率的正向影响，这意味着股指期货市场在高交易成本环境下与现货市场的联系反而更加紧密.

本文研究了沪深300 ETF对股指期货价格发现动态性的影响.协整检验、永久短暂模型、信息份额模型、修正的信息份额模型等结果揭示，沪深300指数期货上市1年之后价格发现功能才逐步发挥，但价格发现能力非常不稳定，并且曾多次出现期货价格与现货价格不存在协整关系的现象.回归分析的结果提供了最早上市的几只沪深300 ETF的交易能有助于提升沪深300股指期货价格发现能力的证据，虽然不同ETF的影响不同以及不同时期影响会发生变化.股指期货宽松的持仓限额和较低的交易保证金会进一步增强股指期货的价格发现能力.相对地，融资融券放宽可以提升股票市场的价格发现能力.该结果支持了指数ETF可以促进股指期货的套利交易从而增强股指期货的价格发现能力的假设.

本文基于我国2005-2017年主动管理型股票基金和混合偏股基金样本数据，分析了历史业绩排名对基金投资组合中的彩票型股票占比的影响.本文发现，从整体上来看业绩排名越靠后的基金越倾向于在下一期持有更高比重的彩票型股票，同时基金这种投资偏好在下半年或者股市处于下跌时期时更为显著.另外从时间趋势上看，长期表现处于同类基金平均水平以下的基金在近期业绩压力得不到缓解的情况下也会更多地投资彩票型股票.采用不同的业绩考量指标都可以得出一致的结论.针对上述结果，本文从基金经理缓解自身职位危机的动机入手进行了分析，发现持基比重较低、无管理团队的、或者在任时间低于历任基金经理平均在任时间的经理人在面临前期业绩表现不佳的情况下呈现出了对彩票型股票更强烈的偏好.

在固定比例投资组合保险策略的框架中引入了各种边际条件，本文给出了基于在险价值的边际CPPI策略（M-CPPI）.将成交量拆分成可预测和不可预测两个部分，并将可预测的成交量变动率引入到了风险资产的价格波动模型，同时将风险资产实际波动超过在险价值的部分作为边际增量，用以实现对策略安全底线的动态调整.进一步地，将沪深300指数的日收盘价序列依次拆分成24个不同的时间段，并以3年为周期，实证研究各策略下组合资产的价格演变路径，结果显示扩展后的M-CPPI策略要明显优于标准CPPI策略.该策略的改进，使得可以重新审视避险类理财产品可行的设计路径，以期降低保本、避险类基金在运行过程中广受诟病的缺口风险，同时减缓策略运行过程中可能出现的现金锁定风险.

对于外部投资者来说，研究上市公司财务报表是了解公司运行状况的最有效的途径之一.然而，财务分析的有效性是建立在财务报表的真实性之上的.因此，为了保证财务分析的有效性，报表的真实性分析必不可少.在本文中，我们选取2007-2018年近十年的上市公司相关数据，包括但不限于上市公司的财务数据，还包括审计意见、股东质押比例等.我们将2018年之前的数据作为训练集，2018年的数据作为测试集.我们使用XGBoost和LightGBM两种算法，给出了关于上市公司财务异常的预测.对一类错误和二类错误权衡取舍，我们得到了真阳率（true positive rate）81.09%，假阳率（false positive rate）79.69%，AUC 90%的结果.除了给出预测结果，本文还给出了判断财务异常的主要因素.