宏观金融运行异常的统计监测研究
|
摘要
宏观金融运行的稳健性是宏观经济金融运行的重要监测对象,宏观金融运行稳健与否关系到国家经济金融的健康平稳发展。宏观金融运行过程中的异常情况不断,特别是近些年来频发状况,如美国的次贷危机和欧洲的债务危机。这些现象表明,宏观金融运行中的异常情况有必要开展监测,以有效减少金融风险的累积,防范金融危机的爆发。
第一,在对国内外宏观金融运行异常研究进行梳理的基础上,系统界定宏观金融运行的相关概念,分析金融机构部门内部、金融系统、金融机构部门与实体经济部门间的资金流动关系,分层次论述宏观金融运行功能的有效性,在此基础上定义金融运行异常的概念,并确定其统计标准、构建其基于资金流的金融运行异常统计监测框架体系。
第二,对已有金融运行异常监测方法及测量模型进行全面比较,从金融机构部门和金融系统运行以及金融机构部门与实体经济部门运行的关联性3个方面初选金融运行异常统计监测指标,并利用结构方程模型对监测指标进一步筛选。
第三,利用单指标和多指标异常点检测方法对金融机构部门运行的异常进行统计监测。选取反映流动性、信用违约、市场适应性和证券市场、保险市场、境内外资金融机构运行的指标,利用联合估计法对反映金融机构部门运行的单个指标时间序列数据进行单指标异常监测；在指标重新组合的基础上,利用主成分分析法进行多指标异常监测。测算结果显示：重大事件对金融机构部门运行的冲击而产生的异常种类有所差异,其中,存款性金融机构运行异常与监管改革具有耦合性,而非存款性金融机构运行异常与其自身业务有较强的关联性。此外,在各单独指标所反映因素的共同作用下,主成分分析法监测到的异常点与重大金融事件之间存在一定的对应关系,金融机构部门整体运行异常出现频率较存款性金融机构和非存款性金融机构更高。
第四,将金融系统运行异常情况分为结构性异常和周期协动性异常两个方面,利用2002年1月至2013年10月的数据,分别采用联合估计法和谱分析法对此两方面进行监测。结果表明,基础货币结构变化主要与中央银行法定存款准备金率的变化密切相关,广义货币M2结构变化主要与银行的存款利率紧密相关,而国内信贷结构变化主要是受中央银行出台的货币政策影响。此外,基础货币与M2和国内信贷间均存在周期协动性,且表现在主周期上,这在一定程度上说明中国货币创造过程较为稳定,不存在周期协动性异常。
第五,基于资金流对金融机构部门与实体经济的运行进行关联性异常监测,将其分为金融机构部门与实体经济各子部门间、总体间的关联性异常两个方面,分别研究两者间的关联性是否产生异常,并通过DCC-GARCH模型测算金融机构部门与实体经济各子部门间的动态相关系数、SDS模型测算金融机构部门与实体经济总体间的协调度,以此反映金融机构部门对实体经济服务功能的运行状况。结果显示,金融机构部门与实体经济各子部门之间的关联性异常出现较少,说明资金在金融机构部门与实体经济各子部门间的流动较为顺畅；但是从实体经济总体运行来看,金融机构部门与实体经济的关联性异常多于正常,这说明金融机构部门对实体经济部门的服务功能不具有协调可持续性。
最后,分层次利用因子分析对中国宏观金融运行进行综合评价,并结合中国目前金融运行现状,提出监测金融机构部门和金融系统运行的政策调整建议,给出基于资金流的金融机构部门与实体经济运行关联性异常的相应对策,并对研究内容进行总结和展望。
Robustness of macro financial operation is one of important monitoring objects of the macroeconomic and financial operations, and the macro financial robustness running is related to healthy and stable development of the national economy and finance. Macro financial operation process anomalies frequently break out, especially in recent years, such as the U.S. subprime mortgage crisis and the debt crisis in Europe. These phenomena show that it is necessary to monitor the abnormal situation of the macro financial operation, in order to effectively reduce the accumulation of financial risks and prevent the outbreak of the financial crisis.
First, based on the extensive study on the abnormal situation of the financial operation in domestic and foreign, this paper systematically defines the concepts of financial operations, analyzes liquidity between financial internal institutions, financial systems, financial institutions sector and the real economy departments, and then discusses the effectiveness of macro financial operations functions, and finally defines the concept of financial operation abnormality, determines its statistical standards and builds financial operations abnormality statistical monitoring system framework based of fund flow.
Second, this paper carries out a comprehensive comparison on the existing anomaly detection methods and measurement models, primarily financial operation anomalies statistical monitoring indicators from the three related aspects of financial institutions running, namely, financial systems running and financial institutions sector and the real economy departments running, and further screens indicators using structural equation model.
Third, this paper uses single index and multi-index anomaly detection method to monitoring outliers in financial institutions operation, and selects the indicators, such as liquidity, credit default, market adaptability and securities markets, insurance markets, international financial institutions and other indicators to reflect the financial institutions operation, and uses joint estimation method to detect the outliers in a single time series of them. On the basis of recombination, this paper uses principal component analysis method to detect outliers in a multi-index time series. The results show that the types of influence of significant events on financial institutions operating differ significantly, in which the abnormal deposits of financial institutions and regulatory reform has coupling, and the abnormal deposits of financial institutions has a strong relationship to their own business. In addition, under the combined effect of factors reflected by the individual indicators, the anomalies detected by the principal component analysis have strong correspondence with significant financial events, and with the increasing anomalies of financial institutions, their overall operating frequency of outliers will become higher.
Fourth, this paper distinguishes the structural abnormalities from the abnormalities of periodic consistency. Using data from January2002to October2013, the joint estimation methods and spectral analysis were used to monitor the above abnormalities. The results showed that the major structural changes in the monetary base is closely related to changes in the central bank's statutory deposit reserve ratio, the major structural changes in broad money and bank deposit rates are closely related, and structural changes in domestic credit is mainly affected by the monetary policy of the central bank. In addition, both the existence and the monetary base and the cycle of domestic credit agreement between mobility, and reflected on the primary cycle, indicating that Chinese money creation process is more stable to a certain extent and there is no cycle co-movement abnormalities.
Fifth, in this paper, the current study monitors the correlation abnormalities of macro-financial and the real economy based on capital flows. The correlation abnormalities will be divided into two aspects, one is between the financial institutions and sub-sector of the real economy, the other is the overall relevance of the real economy. This paper uses the DCC-GARCH model to estimate the dynamic correlation coefficient of the financial institutions and the sub-sectors of the real economy, and uses the SDS model to estimate the degree of coordination of financial institutions and the real economy. The results show that the association of financial institutions and the real economy sector is less abnormal, and it indicates that flow of funds between financial institutions and the sub-sectors of the real economy is smooth. But the association of financial institutions and the real economy is abnormal rather than normal, and it indicates that the sustainable service of financial institutions to the economy is not persistent
Finally, based on the conclusion after the factor analysis, combined with China's current status of financial operations, and make recommendations to monitor financial institutions and the financial system and the macro-financial operation based association of abnormal capital flow countermeasures, and summarize the current research and outlook.
第一,在对国内外宏观金融运行异常研究进行梳理的基础上,系统界定宏观金融运行的相关概念,分析金融机构部门内部、金融系统、金融机构部门与实体经济部门间的资金流动关系,分层次论述宏观金融运行功能的有效性,在此基础上定义金融运行异常的概念,并确定其统计标准、构建其基于资金流的金融运行异常统计监测框架体系。
第二,对已有金融运行异常监测方法及测量模型进行全面比较,从金融机构部门和金融系统运行以及金融机构部门与实体经济部门运行的关联性3个方面初选金融运行异常统计监测指标,并利用结构方程模型对监测指标进一步筛选。
第三,利用单指标和多指标异常点检测方法对金融机构部门运行的异常进行统计监测。选取反映流动性、信用违约、市场适应性和证券市场、保险市场、境内外资金融机构运行的指标,利用联合估计法对反映金融机构部门运行的单个指标时间序列数据进行单指标异常监测；在指标重新组合的基础上,利用主成分分析法进行多指标异常监测。测算结果显示：重大事件对金融机构部门运行的冲击而产生的异常种类有所差异,其中,存款性金融机构运行异常与监管改革具有耦合性,而非存款性金融机构运行异常与其自身业务有较强的关联性。此外,在各单独指标所反映因素的共同作用下,主成分分析法监测到的异常点与重大金融事件之间存在一定的对应关系,金融机构部门整体运行异常出现频率较存款性金融机构和非存款性金融机构更高。
第四,将金融系统运行异常情况分为结构性异常和周期协动性异常两个方面,利用2002年1月至2013年10月的数据,分别采用联合估计法和谱分析法对此两方面进行监测。结果表明,基础货币结构变化主要与中央银行法定存款准备金率的变化密切相关,广义货币M2结构变化主要与银行的存款利率紧密相关,而国内信贷结构变化主要是受中央银行出台的货币政策影响。此外,基础货币与M2和国内信贷间均存在周期协动性,且表现在主周期上,这在一定程度上说明中国货币创造过程较为稳定,不存在周期协动性异常。
第五,基于资金流对金融机构部门与实体经济的运行进行关联性异常监测,将其分为金融机构部门与实体经济各子部门间、总体间的关联性异常两个方面,分别研究两者间的关联性是否产生异常,并通过DCC-GARCH模型测算金融机构部门与实体经济各子部门间的动态相关系数、SDS模型测算金融机构部门与实体经济总体间的协调度,以此反映金融机构部门对实体经济服务功能的运行状况。结果显示,金融机构部门与实体经济各子部门之间的关联性异常出现较少,说明资金在金融机构部门与实体经济各子部门间的流动较为顺畅；但是从实体经济总体运行来看,金融机构部门与实体经济的关联性异常多于正常,这说明金融机构部门对实体经济部门的服务功能不具有协调可持续性。
最后,分层次利用因子分析对中国宏观金融运行进行综合评价,并结合中国目前金融运行现状,提出监测金融机构部门和金融系统运行的政策调整建议,给出基于资金流的金融机构部门与实体经济运行关联性异常的相应对策,并对研究内容进行总结和展望。
Robustness of macro financial operation is one of important monitoring objects of the macroeconomic and financial operations, and the macro financial robustness running is related to healthy and stable development of the national economy and finance. Macro financial operation process anomalies frequently break out, especially in recent years, such as the U.S. subprime mortgage crisis and the debt crisis in Europe. These phenomena show that it is necessary to monitor the abnormal situation of the macro financial operation, in order to effectively reduce the accumulation of financial risks and prevent the outbreak of the financial crisis.
First, based on the extensive study on the abnormal situation of the financial operation in domestic and foreign, this paper systematically defines the concepts of financial operations, analyzes liquidity between financial internal institutions, financial systems, financial institutions sector and the real economy departments, and then discusses the effectiveness of macro financial operations functions, and finally defines the concept of financial operation abnormality, determines its statistical standards and builds financial operations abnormality statistical monitoring system framework based of fund flow.
Second, this paper carries out a comprehensive comparison on the existing anomaly detection methods and measurement models, primarily financial operation anomalies statistical monitoring indicators from the three related aspects of financial institutions running, namely, financial systems running and financial institutions sector and the real economy departments running, and further screens indicators using structural equation model.
Third, this paper uses single index and multi-index anomaly detection method to monitoring outliers in financial institutions operation, and selects the indicators, such as liquidity, credit default, market adaptability and securities markets, insurance markets, international financial institutions and other indicators to reflect the financial institutions operation, and uses joint estimation method to detect the outliers in a single time series of them. On the basis of recombination, this paper uses principal component analysis method to detect outliers in a multi-index time series. The results show that the types of influence of significant events on financial institutions operating differ significantly, in which the abnormal deposits of financial institutions and regulatory reform has coupling, and the abnormal deposits of financial institutions has a strong relationship to their own business. In addition, under the combined effect of factors reflected by the individual indicators, the anomalies detected by the principal component analysis have strong correspondence with significant financial events, and with the increasing anomalies of financial institutions, their overall operating frequency of outliers will become higher.
Fourth, this paper distinguishes the structural abnormalities from the abnormalities of periodic consistency. Using data from January2002to October2013, the joint estimation methods and spectral analysis were used to monitor the above abnormalities. The results showed that the major structural changes in the monetary base is closely related to changes in the central bank's statutory deposit reserve ratio, the major structural changes in broad money and bank deposit rates are closely related, and structural changes in domestic credit is mainly affected by the monetary policy of the central bank. In addition, both the existence and the monetary base and the cycle of domestic credit agreement between mobility, and reflected on the primary cycle, indicating that Chinese money creation process is more stable to a certain extent and there is no cycle co-movement abnormalities.
Fifth, in this paper, the current study monitors the correlation abnormalities of macro-financial and the real economy based on capital flows. The correlation abnormalities will be divided into two aspects, one is between the financial institutions and sub-sector of the real economy, the other is the overall relevance of the real economy. This paper uses the DCC-GARCH model to estimate the dynamic correlation coefficient of the financial institutions and the sub-sectors of the real economy, and uses the SDS model to estimate the degree of coordination of financial institutions and the real economy. The results show that the association of financial institutions and the real economy sector is less abnormal, and it indicates that flow of funds between financial institutions and the sub-sectors of the real economy is smooth. But the association of financial institutions and the real economy is abnormal rather than normal, and it indicates that the sustainable service of financial institutions to the economy is not persistent
Finally, based on the conclusion after the factor analysis, combined with China's current status of financial operations, and make recommendations to monitor financial institutions and the financial system and the macro-financial operation based association of abnormal capital flow countermeasures, and summarize the current research and outlook.
引文
[1]许涤龙.货币与金融统计学.北京：科学出版社,2008,22-24
[2]陈彩虹.论商业银行资本充足率的风险评定原则.财贸经济,1997(4)：20-23
[3]Charles Goodhart, Yuanchen Chang, Richard Payne. Calibrating an algorithm for estimating transactions from FXFX exchange rate quotes. Journal of International Money and Finance,1997,16(6):921-930
[4]王春峰,万海晖,张维.基于神经网络技术的商业银行信用风险评估.系统工程理论与实践,1999(9)：24-32
[5]万杰,苗文龙.国内外商业银行操作风险现状比较及成因分析.国际金融研究,2005(7)：10-15
[6]张学陶,童晶.商业银行操作风险的实证分析与风险资本计量.财经理论与实践,2006,27(141)：33-37
[7]司马则茜,蔡晨,李建平.我国银行操作风险的分形特征.中国管理科学,2008,16(1)：42-47
[8]钟伟,谢婷.巴塞尔协议Ⅲ的新近进展及其影响初探.国际金融研究,2011(3)：46-55
[9]陈梦雯,郭宇冈,Philippe Dorbaire.《巴塞尔协议Ⅲ》中的杠杆率指标对银行风险的影响及其在中国的适用性分析.江西社会科学,2011(9)：251-256
[10]毕秋香,何荣天.证券公司风险评估及指标预警系统设计.证券市场导报,2002(10)：48-51
[11]徐洪才.改进我国证券公司风险监管的对策.中国金融,2005(12)：50-51
[12]史明坤.分类监管下我国证券公司风险监控研究：[暨南大学博士学位论文].广州：暨南大学经济学院金融系,2009,65-69
[13]贾炜莹,兰凤云,陈宝峰.风险管理对我国上市公司价值和业绩影响的实证研究——基于衍生金融工具的运用.会计之友(上旬刊),2009(8)：58-61
[14]赵伟.我国证券公司收入多元化的风险分析.宏观经济研究,2013(7)：62-69
[15]张泽鑫.“四位一体”保险公司偿付能力监管体系的构建：[西南财经大学硕士论文].成都：西南财经大学金融学院,2005,15-40
[16]刘新立.论我国保险公司上市的收益与风险.金融研究,2003(2)：78-84
[17]曾忠东.保险企业全面风险管理(ERM)研究：[四川大学博士论文].成都：四川大学经济学院,2006,150-173
[18]张仕英.保险公司的风险、外部监管与资本结构的决定：[复旦大学博士论文].上海：复旦大学经济学院,2008,76-94
[19]项俊波.增强保险监管的有效性.中国金融,2012(2)：9-11
[20]宓福驹.证券市场对商业银行影响的实证分析.上海金融,2001(7)：30-32
[21]郭懿.商业银行与证券业的战略合作研究.青海金融,2002(10)：14-17
[22]张云.证券市场与商业银行相互影响的分析.江苏商论,2002(6)：35-36
[23]康英虎,王永建,陈洪斌.浅论商业银行与证券公司的合作关系.经济工作导刊,2003(21)：30
[24]解强,陈千红.我国保险业与银行业发展的关联性实证分析.金融理论与实践,2009(8)：100-103
[25]汪国庆.基于金融共生理论的银行与保险关系研究.金融与经济,2009(7)：71-72
[26]谢金,龙玲.基于金融共生理论的我国商业银行与保险的关系研究.改革与开放,2010(22)：52
[27]董丽,李大亮.谈商业银行与证券公司的合作.金融理论与实践,2001(11)：47-48
[28]谢金玉.论保险业与证券业的良性互动.保险职业学院学报,2007(2)：8-12
[29]刘璇.金融网络中资金流动模式识别与智能化异常监测：[上海交通大学博士论文].上海：上海交通大学安泰经济与管理学院,2010,6-8
[30]周国红.金融系统风险研究与控制的混沌理论探索.浙江大学学报(人文社会科学版),2001,31(3)：84-88
[31]蒋赞.虚拟经济与实体经济总量匹配性研究：[湖南大学硕士论文].长沙：湖南大学金融与统计学院,2012,5-6
[32]周莹莹,刘传哲.我国虚拟经济与实体经济的联动效应——基于资本市场、金融衍生品市场与实体经济数据的实证研究.山西财经大学学报,2011(5)：10-19
[33]路磊.中国金融发展与经济发展关系的实证分析.技术经济,1998(7)：22-23
[34]上官晓琴.虚拟经济影响实体经济增长的作用机制研究——兼谈中国虚拟经济的发展：[武汉大学硕士论文].武汉：武汉大学金融学院,2005,11-13
[35]Raymond Atje, Boyan Jovanovic. Stock markets and development Original Research Article. European Economic Review,1993,37(2-3):632-640
[36]Campbell Leith, Jim Malley. Estimated general equilibrium models for the evaluation of monetary policy in the US and Europe. European Economic Review,2005,49(18):2137-2159
[37]史轲.中国外汇市场、资本市场对实体经济溢出效应的实证研究[南昌大学硕士论文].南昌：南昌大学概率与数理统计,2012,36-44
[38]何宜庆,韦媛辉,曾斌.虚拟经济与实体经济互动发展的边际溢出效应分析.南昌大学学报(理科版),2006,30(5)：430-439
[39]何德旭,饶明.资产价格波动与实体经济稳定研究.中国工业经济,2010,264(3)：19-30
[40]戴志敏,黄春梅,彭继增.基于金融生态理论的江西金融经济协调分析.南昌大学学报(人文社会科学版),2008,39(6)：50-54
[41]刘尚希.金融风险：宏观与微观的界定.中国财经报,2006-06-20
[42]宋凌峰,叶永刚.中国房地产行业宏观金融风险研究.经济管理,2010,32(12)：34-38
[43]闻岳春,严谷军.论金融危机预警系统的构建.浙江大学学报(人文社会科学版),2000,30(5)：131-136
[44]许涤龙,沈春华.基于MFS的金融机构部门分类研究.统计教育,2007(1)：45-46
[45]吴窑.供应链金融系统协同发展研究：[北京交通大学硕士论文].北京：北京交通大学物流管理与工程学院,2012,7-11
[46]邵国华.金融系统协调论：[四川大学博士论文].成都：四川大学经济学院,2006,30-33
[47]孙秋碧.论国民经济核算的机构部门分类.经济评论,2001,(3)：41-43
[48]吕香亭.中国资金流量分析——基于矩阵式资金流量表：[兰州商学院硕士论文].兰州：兰州商学院统计系,2010,18-19
[49]许宪春.中国资金流量分析.金融研究,2002(9)：18-32
[50]贝多广,骆峰.资金流量分析方法的发展和应用.金融研究,2006(2)：92-101
[51]周建,刘兰娟.中国宏观经济统计数据异常性和波动性特征的计量检验：1953-2001.数量经济技术经济研究,2006(1)：27-33
[52]周建.基于随机方差扩大模型的对中国宏观经济统计数据的结构变化分析.中国管理科学,2006,14(3)：128-134
[53]郭小芳,李峰,宋晓宁.一种基于PCA的时间序列异常检测方法.江西师范大学学报(自然科学版).2012(3)：280-283
[54]马守荣,许涤龙.金融运行异常情况统计监测方法的选择.中国统计,2014(1)：54-55
[55]白钦先,主父海英.金融阈值视角下的金融危机——从美国次贷危机看被漠视的金融临界点.财贸经济,2009(9)：59-64
[56]官燕燕,刘听.基于统计阈值法的印品缺陷检测.西安理工大学学报,2007,23(4)：410-413
[57]周焯华,张宗益,杨俊.商业银行金融风险程度的模糊综合评价.重庆大学学报,2000,23(3)：101-104
[58]任英华,姚莉媛.金融集聚核心能力评价指标体系与模糊综合评价研究.统计与决策,2010,311：31-34
[59]彭衍琳.金融行业客户满意度的模糊综合评价方法.中国金融电脑,2010(5)：71-74
[60]郑文通.金融风险管理的VaR方法及其应用.国际金融研究,1997(9)：58-62
[61]温红梅,韩晓翠.基于VaR的我国农村金融机构市场风险的度量与实证.哈尔滨商业大学学报(社会科学版),2011,117：3-9
[62]黄智猛,曹均华,吴冲锋.VaR风险监管下金融机构的决策模型与分析.系统工程理论方法应用,1999,8(4)：1-6
[63]胡静.VaR模型在金融机构风险度量中的应用.科技创业月刊,2010(1)：33-35
[64]王周伟,王苗雯.美国金融危机初始因素的敏感性分析——基于KMV模型.统计与信息论坛,2010,25(1)：73-78
[65]金春晓.金融危机中上市公司信用风险变化——基于KMV模型的实证分析.经济研究导刊,2011,115：98-99
[66]洪晔.KMV模型在商业银行信用风险管理中的应用研究：[哈尔滨工业大学硕士 论文].哈尔滨,哈尔滨工业大学经济管理学院,2008,28-40
[67]田程荣.金融危机对甘肃省上市公司信用风险影响的实证分析——基于KMV模型.知识经济,2010(14)：24
[68]王爱俭.虚拟经济合理规模与风险预警研究.北京：中国金融出版社,2007,1-120
[69]王爱俭,陈杰.中国虚拟经济规模适度性研究——基于资本市场效率视角的分析.财贸经济,2006,(8)：18-20
[70]毕杰,徐爱田.虚拟经济对实体经济的作用途经分析.生产力研究,2007,(11)：14-16
[71]刘伟,王汝芳.中国资本市场效率实证分析——直接融资与间接融资效率比较.金融研究,2006(1)：64-73
[72]Andees, S., Metzger, L.M, Kralewski, J., & Gans, D. Measuring efficiency of physician practices using data envelopment analysis. Managed Care, (November), 2002,48-56
[73]伍超明.虚拟经济与实体经济关系研究——基于货币循环流模型的分析.财经研究,2004,(8)：95-105
[74]冯科.中国宏观金融风险预警系统构建研究.理论研究,2010,(412)：18-23
[75]付江涛,王方华.货币危机预警指标体系的构建和实证分析.国际金融,2006,5(2)：511-532
[76]Gnabo, J.-Y., Laurent, S., Lecourt, C. Does transparency in central bank intervention policy bring noise in the FX market? J.Int. Finan. Markets, Inst. Money,2009(19),94-111
[77]刘志强.金融危机预警指标体系研究.国际金融热点,1999(4)：17-23
[78]魏宇.金融市场风险测度方法研究评述.中国地质大学学报(社会科学版),2010,(4)：112-118
[79]李永华.中国商业银行全面风险管理问题研究：[武汉大学博士论文].武汉,武汉大学经济管理学院,2013,40-65
[80]盛兴.银行间市场异常交易监测系统的设计与实现：[南京大学硕士论文].南京,南京大学软件学院,2013,5-20
[81]康英虎,王永建,陈洪斌.浅论商业银行与证券公司的合作关系.经济工作导刊,2003(21)：30
[82]Kearns, J., Rigobon, R. Identifying the efficacy of central bank interventions: evidence from Australia and Japan. J. Int.Econ,2006,(66),31-48
[83]Oscar Bernal, Jean-Yves Gnabo. Announcements, financial operations or both? Generalizingcentral banks'FX reaction functions.[J] Journal of The Japanese and International Economies (2009) 267-394
[84]Kaufman G, Scott K. What is systemic risk, and do bank regulators retard or contribute to it? Independent Review,2003, (3):371-391
[85]Reinhart, Carmen Kaminsky, Graciela Lizondo, Saul. Leading Indicators of Currency Crisis. IMF staff papers,1998,45 (1)
[86]Gnabo, J.-Y., Teiletche, J. Do central bank strategies of interventions on FX market influence market expectation? Insight from Japan. J. Int. Finan. Markets, Inst. Money,2009(19),432-446
[87]Goodfriend, M. Monetary mystique:secrecy and central banking. J. Monet. Econ, 1986,(17),63-92
[88]Hyman P.Minsky. Financial Instability Hypothesis. Handbook of Radical Political Economy,1993
[89]Jeffrey Sachs, Aaron Tornell, Andres Velasco. Financial Crises in Emerging Markets:The Lessons from 1995. NBER Working Paper,1996
[90]李金华.证券市场监测预警系统研究.统计与决策,1999,10：18-19
[91]郝旭光.中国证券市场监管有效性研究.中国工业经济,2011,279(6)：16-25
[92]金艳.中外证券市场监管体制的比较与借鉴.经济与社会发展,2003,1(1)：44-46
[93]张云.证券市场与商业银行相互影响的分析.江苏商论,2002(6)：35-36
[94]沈锡飞,吴航.我国保险市场的统计指标设计以及相关分析.上海统计,2000(3)：19-33
[95]翟义刚.区域财产保险市场状况评价指标体系实证研究.上海保险,2010(6)：32-36
[96]姜伟.金融风险测度理论发展及评价.当代经济,2007,(8)：137-138
[97]李宝伟.经济虚拟化与政府对金融市场的干预,天津：南开大学出版社,2005,13-78
[98]谢平.金融危机后有关金融监管改革的理论综述.金融研究,2010,(2)：1-17
[99]邢毓静.东南亚地区金融危机预警指标体系分析.海南金融,1996(12)：16-17
[100]赵德志.中国宏观金融风险的统计度量与分析：[东北财经大学硕士论文].辽宁：东北财经大学统计学院,2005,10-24
[101]沈月,王小霞,张珍.AHP法在确定金融安全预警指标权重中的应用.西安财经学院学报,2006,21(2)：65-69
[102]沈晗耀,何文杰.谁在创造货币—从美国基础货币与M1间的异常看货币政策的失灵.上海经济,2012(8)：44-45
[103]李宏瑾.中央银行、信用货币创造与“存差”—兼对近年中国人民银行货币操作行为的分析.金融研究,2006(10)：8-22
[104]高全胜.金融风险计量理论前沿与应用.国际金融研究,2004,(9)：71-78
[105]崔健.银行、信用货币创造和经济周期波动：[南开大学博士论文].天津：南开大学经济学院,2010,
[106]高敏雪.国民经济核算原理与中国实践第二版.北京：中国人民出版社,2007,1-50
[107]孙凤.主观幸福感的结构方程模型.统计研究,2007,24(2)：27-32
[108]程开明.结构方程模型的特点及应用.统计与决策,2006(6)：22-25
[109]Ping Deng, Shiqing Lu, Hanbin Xiao. Evaluation of the relevance measure between ports and regional economy using structural equation modeling. Transport Policy,2013,27:123-133
[110]Dennis Reynolds, Jim Taylor.Validating a DEA-based menu analysis model using structural equation modeling. International Journal of Hospitality Management, 11,30(3):584-587
[111]Rob Hallak, Graham Brown, Noel J. Lindsay.The Place Identity-Performance relationship among tourism entrepreneurs:A structural equation modelling analysis. Tourism Management,2012,33(1):143-154
[112]Aurelie Boucard, Alain Marchand, Xavier Nogues.Reliability and validity of structural equation modeling applied to neuroimaging data:A simulation study. Journal of Neuroscience Methods,2007,166(2):278-292
[113]Huber, P.J. Robust Statistics:A Review. The Annals of mathematical Statistics, 1972,43:1041-1067
[114]Box, G.E.P, Tiao, G.C. Intervention Analysis with Applications to Economic and Environmental Problems. Journal of American Statistical Association, 1975,70:70-79
[115]Hillmer, S.C. Monitoring and Adjusting Forecasts in the Presence of Additive Outliers. Journal of Forecasting,1984,3:205-215
[116]Guttman, I., Tiao, G.C. Effect of correlation on the estimation of a mean in the presence of spurious observations. The Canadian Journal of Statistics,1978 6:229-247
[117]Tsay, R.S. Outliers, Level Shifts and Variance Changes in Time Series. Journal of Forecasting,1988,7:1-20
[118]Chung Chen,Lon-Mu Liu. Joint Estimation of Model Parameters and Outlier Effects in Time Series,1993,284-297
[119]Schwarz G.Estimating the dimension of a model. Annals of Statistics,1978, 6:471-464
[120]Box, G.E.P.,Tiao, G.C.A Bayesian approach to some outlier problems. Biomertrika,1968,55:119-129
[121]Broemeling, L.,Shaaraway, S. Time series:A Bayesian analysis in the time domain. In J.C. Spall(Ed.)Bayesian analysis of time series and dynamic model. Marcel Dekker,New York,1988
[122]Abraham,B.,Box,G.E.P. Linear models and spurious observations Applied Statistics,1978,27:131-139
[123]Schervish, M.G.,Tsay, R.S. Bayesian modeling and forecasting in autoregressive models. In J.C.Spall(Ed)Bayesian analysis of time series and dynamic model. Marcel Dekker, New York,1988
[124]McCulloch, R.E.,Tsay, R.S.Bayesian analysis of antoregressive time series via the Bibbs sampler. Journal of Time Series Analysis,1994,15:235-250
[125]Justel, A. and Pena, D. Gibbs sampling will fail in outlier problems with strong masking. Journal of Computational and Graphical Statistics,1996,5:176-189
[126]田玉柱,冉延平,陈平.基于极值理论的EXPAR时序模型异常点诊断.数理统计与管理,2010,29(4)：628-636
[127]郭立甫,高铁梅,姚坚.基于Copula函数和极值理论的金融传染度量——测度美国次贷危机对重要经济体的传染效应.数学的实践与认识,2013,43(3)：42-54
[128]Chang I, Tiao GC, Chen C. Estimation of time series parameters in the presence of outliers.Technimetrics,1988,30:193-203
[129]Alejandro. Extreme value theory-based P values in time series outlier detection: [Dissertation]. Madison:University of Wisconsin-Madison,2005,75-90
[130]郑斌祥,席裕庚,杜秀华.基于离群指数的时间序列数据离群挖掘.自动化学报,2004,30(1)：70-77
[131]文琪,彭宏.小波变换的离群时序数据挖掘分析.电子科技大学学报,2009,13(3)：329-332
[132]翁小清,沈钧毅.基于滑动窗口的多变量时间序列异常数据的挖掘.计算机工程,2007,33(12)：102-104
[133]杜洪波,张颖.基于LLM的时间序列异常子序列检测算法.沈阳工业大学学报,2009,13(3)：329-332
[134]Ana Justl, Daniel Pena and Ruey S. Tsay. Detection of outlier patches in autoregressive time series. Statistic Sinica,2001,11:651-674
[135]陈莺.用遗传算法对时间序列进行异常点挖掘：[东南大学硕士论文].67-84,2006
[136]董永贵,孙照,贾慧波.时间序列中异常值检测的负向算法.机械工业学报,2004,40(10)：30-34
[137]王小宜,卢正鼎,凌贺飞.一个基于小波的时序数据异常探测新算法.计算机工程与科学,2006,27(6)：83-85
[138]Fox, A.J. Outliers in time series. Journal of the Royal Statistical Society Society, Series B,34:350-363,1972
[139]Tsay, R.S. Outliers, Level Shifts and Variance changes in time series. Journal of forecasting,7:1-120,1988
[140]周欢,孙易木.异常点挖掘在证券业的应用研究[J].商业时代,2009,13：83-84
[141]王洪春.彭宏.一种基于主成分分析的异常点挖掘方法.计算机科学,2007,34(10)：192-194
[142]杨虎,李强.金融时序中异常数据挖掘算法设计及实证分析.中国管理科学,2004,(3)：7-11
[143]朱红,陈星霖.基于数据挖掘的网上证券交易异常行为分析.计算机安全,2011,8：20-24
[144]周占强,王子健.证券市场异常现象及其理论解释.管理现代化,2002,2：21-25
[145]Andew, Crockett. The Theory and Practice of Financial Stability. International Financial,1997(4):No.203
[146]单科举.不同金融系统的比较及对我国的启示.平顶山学院学报,2005,20(2)：8-10
[147]赵婧.金融系统发展和分类理论综述.商业时代,2011(19)：38-41
[148]殷剑峰.金融系统的功能、结构和经济增长：[中国社会科学院研究生院博士论文].北京：中国社会科学院研究生院财贸系,2003,5-23
[149]Jeffrey Frankel, Andrew Rose. An Estimate of the Effect of Common Currencies on Trade and Income, Series B,34:350-363,1996
[150]程惠芳,岑丽君.FDI、产业结构与国际经济周期协动性研究.经济研究,2010(9)：17-28
[151]任志祥.中国经济波动与世界经济周期的协动性研究：[浙江大学博士论文].杭州：浙江大学经济学院,2004,54-76
[152]董直庆,蔡玉程,谢加贞.CPI和PPI周期协动效应——基于频带分析方法的实证检验.数量经济技术经济研究,2009(10)：125-137
[153]Granger, C. W.J., M. Hatanaka. Spectral Analysis of Economic Time Series: Princeton University Press,1964,1-2341
[154]Baxter, M.,R. G. King. MeasuringBusiness Cycles:ApproximateBand2Pass Filters f or Economic Time Series.the Review of Economics and Statistics, 1999(81):575-5931
[155]胡东滨,张展英.基于DCC-GARCH模型的金属期货市场与外汇、货币市场的动态相关性研究[J].数理统计与管理,2012,31(5)：906-914
[156]徐有俊,王小霞,贾金金.中国股市与国际股市联动性分析——基于DCC-GARCH模型研究[J].经济经纬,2010,(5)：124-128
[157]朴基石.试论中韩股市收益的动态相关性——基于DCC-GARCH模型[J].延边大学学报(社会科学版),2011,44(1)：26-30
[158]Engle,R. F.. Dynamic Conditional Correlation:A Simple Class of Multivariate Generalized Autoregresive Conditional Het-eroskedasticity Models. Journal of Business and Economic Statistics,2002,20(3):339-350
[159]T. Bollerslev. Modeling the Coherence in Short-Run Nominal Exchange Rates:A Multivariate Generalized ARCH Model. Review of Economics and Statistics, 1990,72(3):498-505
[160]Bendell, T., Marra, T. Six sigma analyzed. Quality World,2002,(20).16-18
[161]Bersimis, S., Psarakis, S., Panaretos, J. Multivariate statistical process control charts:An overview. Quality and Reliability Engineering International, 2007(23),517-543
[162]Bisgaard, S., Freiesieben, J. Six sigma and the bottom line. Quality Progress, 2004,57-62
[163]曾珍香,顾培亮著.可持续发展的系统分析与评价.北京：科学出版社,2000：127-137
[164]吴高艺.可持续发展系统的科学理论与评估方法.广西财经学院学报,2006, (10)：322-326
[165]张思锋,沈志江.资源型城市能源产业可持续发展评价模型构建及应用.兰州大学学报,2011,39(6)：87-91
[166]张二勋.可持续发展系统分析及案例研究：[河南大学博士论文].河南：河南大学,2004,122-127
[2]陈彩虹.论商业银行资本充足率的风险评定原则.财贸经济,1997(4)：20-23
[3]Charles Goodhart, Yuanchen Chang, Richard Payne. Calibrating an algorithm for estimating transactions from FXFX exchange rate quotes. Journal of International Money and Finance,1997,16(6):921-930
[4]王春峰,万海晖,张维.基于神经网络技术的商业银行信用风险评估.系统工程理论与实践,1999(9)：24-32
[5]万杰,苗文龙.国内外商业银行操作风险现状比较及成因分析.国际金融研究,2005(7)：10-15
[6]张学陶,童晶.商业银行操作风险的实证分析与风险资本计量.财经理论与实践,2006,27(141)：33-37
[7]司马则茜,蔡晨,李建平.我国银行操作风险的分形特征.中国管理科学,2008,16(1)：42-47
[8]钟伟,谢婷.巴塞尔协议Ⅲ的新近进展及其影响初探.国际金融研究,2011(3)：46-55
[9]陈梦雯,郭宇冈,Philippe Dorbaire.《巴塞尔协议Ⅲ》中的杠杆率指标对银行风险的影响及其在中国的适用性分析.江西社会科学,2011(9)：251-256
[10]毕秋香,何荣天.证券公司风险评估及指标预警系统设计.证券市场导报,2002(10)：48-51
[11]徐洪才.改进我国证券公司风险监管的对策.中国金融,2005(12)：50-51
[12]史明坤.分类监管下我国证券公司风险监控研究：[暨南大学博士学位论文].广州：暨南大学经济学院金融系,2009,65-69
[13]贾炜莹,兰凤云,陈宝峰.风险管理对我国上市公司价值和业绩影响的实证研究——基于衍生金融工具的运用.会计之友(上旬刊),2009(8)：58-61
[14]赵伟.我国证券公司收入多元化的风险分析.宏观经济研究,2013(7)：62-69
[15]张泽鑫.“四位一体”保险公司偿付能力监管体系的构建：[西南财经大学硕士论文].成都：西南财经大学金融学院,2005,15-40
[16]刘新立.论我国保险公司上市的收益与风险.金融研究,2003(2)：78-84
[17]曾忠东.保险企业全面风险管理(ERM)研究：[四川大学博士论文].成都：四川大学经济学院,2006,150-173
[18]张仕英.保险公司的风险、外部监管与资本结构的决定：[复旦大学博士论文].上海：复旦大学经济学院,2008,76-94
[19]项俊波.增强保险监管的有效性.中国金融,2012(2)：9-11
[20]宓福驹.证券市场对商业银行影响的实证分析.上海金融,2001(7)：30-32
[21]郭懿.商业银行与证券业的战略合作研究.青海金融,2002(10)：14-17
[22]张云.证券市场与商业银行相互影响的分析.江苏商论,2002(6)：35-36
[23]康英虎,王永建,陈洪斌.浅论商业银行与证券公司的合作关系.经济工作导刊,2003(21)：30
[24]解强,陈千红.我国保险业与银行业发展的关联性实证分析.金融理论与实践,2009(8)：100-103
[25]汪国庆.基于金融共生理论的银行与保险关系研究.金融与经济,2009(7)：71-72
[26]谢金,龙玲.基于金融共生理论的我国商业银行与保险的关系研究.改革与开放,2010(22)：52
[27]董丽,李大亮.谈商业银行与证券公司的合作.金融理论与实践,2001(11)：47-48
[28]谢金玉.论保险业与证券业的良性互动.保险职业学院学报,2007(2)：8-12
[29]刘璇.金融网络中资金流动模式识别与智能化异常监测：[上海交通大学博士论文].上海：上海交通大学安泰经济与管理学院,2010,6-8
[30]周国红.金融系统风险研究与控制的混沌理论探索.浙江大学学报(人文社会科学版),2001,31(3)：84-88
[31]蒋赞.虚拟经济与实体经济总量匹配性研究：[湖南大学硕士论文].长沙：湖南大学金融与统计学院,2012,5-6
[32]周莹莹,刘传哲.我国虚拟经济与实体经济的联动效应——基于资本市场、金融衍生品市场与实体经济数据的实证研究.山西财经大学学报,2011(5)：10-19
[33]路磊.中国金融发展与经济发展关系的实证分析.技术经济,1998(7)：22-23
[34]上官晓琴.虚拟经济影响实体经济增长的作用机制研究——兼谈中国虚拟经济的发展：[武汉大学硕士论文].武汉：武汉大学金融学院,2005,11-13
[35]Raymond Atje, Boyan Jovanovic. Stock markets and development Original Research Article. European Economic Review,1993,37(2-3):632-640
[36]Campbell Leith, Jim Malley. Estimated general equilibrium models for the evaluation of monetary policy in the US and Europe. European Economic Review,2005,49(18):2137-2159
[37]史轲.中国外汇市场、资本市场对实体经济溢出效应的实证研究[南昌大学硕士论文].南昌：南昌大学概率与数理统计,2012,36-44
[38]何宜庆,韦媛辉,曾斌.虚拟经济与实体经济互动发展的边际溢出效应分析.南昌大学学报(理科版),2006,30(5)：430-439
[39]何德旭,饶明.资产价格波动与实体经济稳定研究.中国工业经济,2010,264(3)：19-30
[40]戴志敏,黄春梅,彭继增.基于金融生态理论的江西金融经济协调分析.南昌大学学报(人文社会科学版),2008,39(6)：50-54
[41]刘尚希.金融风险：宏观与微观的界定.中国财经报,2006-06-20
[42]宋凌峰,叶永刚.中国房地产行业宏观金融风险研究.经济管理,2010,32(12)：34-38
[43]闻岳春,严谷军.论金融危机预警系统的构建.浙江大学学报(人文社会科学版),2000,30(5)：131-136
[44]许涤龙,沈春华.基于MFS的金融机构部门分类研究.统计教育,2007(1)：45-46
[45]吴窑.供应链金融系统协同发展研究：[北京交通大学硕士论文].北京：北京交通大学物流管理与工程学院,2012,7-11
[46]邵国华.金融系统协调论：[四川大学博士论文].成都：四川大学经济学院,2006,30-33
[47]孙秋碧.论国民经济核算的机构部门分类.经济评论,2001,(3)：41-43
[48]吕香亭.中国资金流量分析——基于矩阵式资金流量表：[兰州商学院硕士论文].兰州：兰州商学院统计系,2010,18-19
[49]许宪春.中国资金流量分析.金融研究,2002(9)：18-32
[50]贝多广,骆峰.资金流量分析方法的发展和应用.金融研究,2006(2)：92-101
[51]周建,刘兰娟.中国宏观经济统计数据异常性和波动性特征的计量检验：1953-2001.数量经济技术经济研究,2006(1)：27-33
[52]周建.基于随机方差扩大模型的对中国宏观经济统计数据的结构变化分析.中国管理科学,2006,14(3)：128-134
[53]郭小芳,李峰,宋晓宁.一种基于PCA的时间序列异常检测方法.江西师范大学学报(自然科学版).2012(3)：280-283
[54]马守荣,许涤龙.金融运行异常情况统计监测方法的选择.中国统计,2014(1)：54-55
[55]白钦先,主父海英.金融阈值视角下的金融危机——从美国次贷危机看被漠视的金融临界点.财贸经济,2009(9)：59-64
[56]官燕燕,刘听.基于统计阈值法的印品缺陷检测.西安理工大学学报,2007,23(4)：410-413
[57]周焯华,张宗益,杨俊.商业银行金融风险程度的模糊综合评价.重庆大学学报,2000,23(3)：101-104
[58]任英华,姚莉媛.金融集聚核心能力评价指标体系与模糊综合评价研究.统计与决策,2010,311：31-34
[59]彭衍琳.金融行业客户满意度的模糊综合评价方法.中国金融电脑,2010(5)：71-74
[60]郑文通.金融风险管理的VaR方法及其应用.国际金融研究,1997(9)：58-62
[61]温红梅,韩晓翠.基于VaR的我国农村金融机构市场风险的度量与实证.哈尔滨商业大学学报(社会科学版),2011,117：3-9
[62]黄智猛,曹均华,吴冲锋.VaR风险监管下金融机构的决策模型与分析.系统工程理论方法应用,1999,8(4)：1-6
[63]胡静.VaR模型在金融机构风险度量中的应用.科技创业月刊,2010(1)：33-35
[64]王周伟,王苗雯.美国金融危机初始因素的敏感性分析——基于KMV模型.统计与信息论坛,2010,25(1)：73-78
[65]金春晓.金融危机中上市公司信用风险变化——基于KMV模型的实证分析.经济研究导刊,2011,115：98-99
[66]洪晔.KMV模型在商业银行信用风险管理中的应用研究：[哈尔滨工业大学硕士 论文].哈尔滨,哈尔滨工业大学经济管理学院,2008,28-40
[67]田程荣.金融危机对甘肃省上市公司信用风险影响的实证分析——基于KMV模型.知识经济,2010(14)：24
[68]王爱俭.虚拟经济合理规模与风险预警研究.北京：中国金融出版社,2007,1-120
[69]王爱俭,陈杰.中国虚拟经济规模适度性研究——基于资本市场效率视角的分析.财贸经济,2006,(8)：18-20
[70]毕杰,徐爱田.虚拟经济对实体经济的作用途经分析.生产力研究,2007,(11)：14-16
[71]刘伟,王汝芳.中国资本市场效率实证分析——直接融资与间接融资效率比较.金融研究,2006(1)：64-73
[72]Andees, S., Metzger, L.M, Kralewski, J., & Gans, D. Measuring efficiency of physician practices using data envelopment analysis. Managed Care, (November), 2002,48-56
[73]伍超明.虚拟经济与实体经济关系研究——基于货币循环流模型的分析.财经研究,2004,(8)：95-105
[74]冯科.中国宏观金融风险预警系统构建研究.理论研究,2010,(412)：18-23
[75]付江涛,王方华.货币危机预警指标体系的构建和实证分析.国际金融,2006,5(2)：511-532
[76]Gnabo, J.-Y., Laurent, S., Lecourt, C. Does transparency in central bank intervention policy bring noise in the FX market? J.Int. Finan. Markets, Inst. Money,2009(19),94-111
[77]刘志强.金融危机预警指标体系研究.国际金融热点,1999(4)：17-23
[78]魏宇.金融市场风险测度方法研究评述.中国地质大学学报(社会科学版),2010,(4)：112-118
[79]李永华.中国商业银行全面风险管理问题研究：[武汉大学博士论文].武汉,武汉大学经济管理学院,2013,40-65
[80]盛兴.银行间市场异常交易监测系统的设计与实现：[南京大学硕士论文].南京,南京大学软件学院,2013,5-20
[81]康英虎,王永建,陈洪斌.浅论商业银行与证券公司的合作关系.经济工作导刊,2003(21)：30
[82]Kearns, J., Rigobon, R. Identifying the efficacy of central bank interventions: evidence from Australia and Japan. J. Int.Econ,2006,(66),31-48
[83]Oscar Bernal, Jean-Yves Gnabo. Announcements, financial operations or both? Generalizingcentral banks'FX reaction functions.[J] Journal of The Japanese and International Economies (2009) 267-394
[84]Kaufman G, Scott K. What is systemic risk, and do bank regulators retard or contribute to it? Independent Review,2003, (3):371-391
[85]Reinhart, Carmen Kaminsky, Graciela Lizondo, Saul. Leading Indicators of Currency Crisis. IMF staff papers,1998,45 (1)
[86]Gnabo, J.-Y., Teiletche, J. Do central bank strategies of interventions on FX market influence market expectation? Insight from Japan. J. Int. Finan. Markets, Inst. Money,2009(19),432-446
[87]Goodfriend, M. Monetary mystique:secrecy and central banking. J. Monet. Econ, 1986,(17),63-92
[88]Hyman P.Minsky. Financial Instability Hypothesis. Handbook of Radical Political Economy,1993
[89]Jeffrey Sachs, Aaron Tornell, Andres Velasco. Financial Crises in Emerging Markets:The Lessons from 1995. NBER Working Paper,1996
[90]李金华.证券市场监测预警系统研究.统计与决策,1999,10：18-19
[91]郝旭光.中国证券市场监管有效性研究.中国工业经济,2011,279(6)：16-25
[92]金艳.中外证券市场监管体制的比较与借鉴.经济与社会发展,2003,1(1)：44-46
[93]张云.证券市场与商业银行相互影响的分析.江苏商论,2002(6)：35-36
[94]沈锡飞,吴航.我国保险市场的统计指标设计以及相关分析.上海统计,2000(3)：19-33
[95]翟义刚.区域财产保险市场状况评价指标体系实证研究.上海保险,2010(6)：32-36
[96]姜伟.金融风险测度理论发展及评价.当代经济,2007,(8)：137-138
[97]李宝伟.经济虚拟化与政府对金融市场的干预,天津：南开大学出版社,2005,13-78
[98]谢平.金融危机后有关金融监管改革的理论综述.金融研究,2010,(2)：1-17
[99]邢毓静.东南亚地区金融危机预警指标体系分析.海南金融,1996(12)：16-17
[100]赵德志.中国宏观金融风险的统计度量与分析：[东北财经大学硕士论文].辽宁：东北财经大学统计学院,2005,10-24
[101]沈月,王小霞,张珍.AHP法在确定金融安全预警指标权重中的应用.西安财经学院学报,2006,21(2)：65-69
[102]沈晗耀,何文杰.谁在创造货币—从美国基础货币与M1间的异常看货币政策的失灵.上海经济,2012(8)：44-45
[103]李宏瑾.中央银行、信用货币创造与“存差”—兼对近年中国人民银行货币操作行为的分析.金融研究,2006(10)：8-22
[104]高全胜.金融风险计量理论前沿与应用.国际金融研究,2004,(9)：71-78
[105]崔健.银行、信用货币创造和经济周期波动：[南开大学博士论文].天津：南开大学经济学院,2010,
[106]高敏雪.国民经济核算原理与中国实践第二版.北京：中国人民出版社,2007,1-50
[107]孙凤.主观幸福感的结构方程模型.统计研究,2007,24(2)：27-32
[108]程开明.结构方程模型的特点及应用.统计与决策,2006(6)：22-25
[109]Ping Deng, Shiqing Lu, Hanbin Xiao. Evaluation of the relevance measure between ports and regional economy using structural equation modeling. Transport Policy,2013,27:123-133
[110]Dennis Reynolds, Jim Taylor.Validating a DEA-based menu analysis model using structural equation modeling. International Journal of Hospitality Management, 11,30(3):584-587
[111]Rob Hallak, Graham Brown, Noel J. Lindsay.The Place Identity-Performance relationship among tourism entrepreneurs:A structural equation modelling analysis. Tourism Management,2012,33(1):143-154
[112]Aurelie Boucard, Alain Marchand, Xavier Nogues.Reliability and validity of structural equation modeling applied to neuroimaging data:A simulation study. Journal of Neuroscience Methods,2007,166(2):278-292
[113]Huber, P.J. Robust Statistics:A Review. The Annals of mathematical Statistics, 1972,43:1041-1067
[114]Box, G.E.P, Tiao, G.C. Intervention Analysis with Applications to Economic and Environmental Problems. Journal of American Statistical Association, 1975,70:70-79
[115]Hillmer, S.C. Monitoring and Adjusting Forecasts in the Presence of Additive Outliers. Journal of Forecasting,1984,3:205-215
[116]Guttman, I., Tiao, G.C. Effect of correlation on the estimation of a mean in the presence of spurious observations. The Canadian Journal of Statistics,1978 6:229-247
[117]Tsay, R.S. Outliers, Level Shifts and Variance Changes in Time Series. Journal of Forecasting,1988,7:1-20
[118]Chung Chen,Lon-Mu Liu. Joint Estimation of Model Parameters and Outlier Effects in Time Series,1993,284-297
[119]Schwarz G.Estimating the dimension of a model. Annals of Statistics,1978, 6:471-464
[120]Box, G.E.P.,Tiao, G.C.A Bayesian approach to some outlier problems. Biomertrika,1968,55:119-129
[121]Broemeling, L.,Shaaraway, S. Time series:A Bayesian analysis in the time domain. In J.C. Spall(Ed.)Bayesian analysis of time series and dynamic model. Marcel Dekker,New York,1988
[122]Abraham,B.,Box,G.E.P. Linear models and spurious observations Applied Statistics,1978,27:131-139
[123]Schervish, M.G.,Tsay, R.S. Bayesian modeling and forecasting in autoregressive models. In J.C.Spall(Ed)Bayesian analysis of time series and dynamic model. Marcel Dekker, New York,1988
[124]McCulloch, R.E.,Tsay, R.S.Bayesian analysis of antoregressive time series via the Bibbs sampler. Journal of Time Series Analysis,1994,15:235-250
[125]Justel, A. and Pena, D. Gibbs sampling will fail in outlier problems with strong masking. Journal of Computational and Graphical Statistics,1996,5:176-189
[126]田玉柱,冉延平,陈平.基于极值理论的EXPAR时序模型异常点诊断.数理统计与管理,2010,29(4)：628-636
[127]郭立甫,高铁梅,姚坚.基于Copula函数和极值理论的金融传染度量——测度美国次贷危机对重要经济体的传染效应.数学的实践与认识,2013,43(3)：42-54
[128]Chang I, Tiao GC, Chen C. Estimation of time series parameters in the presence of outliers.Technimetrics,1988,30:193-203
[129]Alejandro. Extreme value theory-based P values in time series outlier detection: [Dissertation]. Madison:University of Wisconsin-Madison,2005,75-90
[130]郑斌祥,席裕庚,杜秀华.基于离群指数的时间序列数据离群挖掘.自动化学报,2004,30(1)：70-77
[131]文琪,彭宏.小波变换的离群时序数据挖掘分析.电子科技大学学报,2009,13(3)：329-332
[132]翁小清,沈钧毅.基于滑动窗口的多变量时间序列异常数据的挖掘.计算机工程,2007,33(12)：102-104
[133]杜洪波,张颖.基于LLM的时间序列异常子序列检测算法.沈阳工业大学学报,2009,13(3)：329-332
[134]Ana Justl, Daniel Pena and Ruey S. Tsay. Detection of outlier patches in autoregressive time series. Statistic Sinica,2001,11:651-674
[135]陈莺.用遗传算法对时间序列进行异常点挖掘：[东南大学硕士论文].67-84,2006
[136]董永贵,孙照,贾慧波.时间序列中异常值检测的负向算法.机械工业学报,2004,40(10)：30-34
[137]王小宜,卢正鼎,凌贺飞.一个基于小波的时序数据异常探测新算法.计算机工程与科学,2006,27(6)：83-85
[138]Fox, A.J. Outliers in time series. Journal of the Royal Statistical Society Society, Series B,34:350-363,1972
[139]Tsay, R.S. Outliers, Level Shifts and Variance changes in time series. Journal of forecasting,7:1-120,1988
[140]周欢,孙易木.异常点挖掘在证券业的应用研究[J].商业时代,2009,13：83-84
[141]王洪春.彭宏.一种基于主成分分析的异常点挖掘方法.计算机科学,2007,34(10)：192-194
[142]杨虎,李强.金融时序中异常数据挖掘算法设计及实证分析.中国管理科学,2004,(3)：7-11
[143]朱红,陈星霖.基于数据挖掘的网上证券交易异常行为分析.计算机安全,2011,8：20-24
[144]周占强,王子健.证券市场异常现象及其理论解释.管理现代化,2002,2：21-25
[145]Andew, Crockett. The Theory and Practice of Financial Stability. International Financial,1997(4):No.203
[146]单科举.不同金融系统的比较及对我国的启示.平顶山学院学报,2005,20(2)：8-10
[147]赵婧.金融系统发展和分类理论综述.商业时代,2011(19)：38-41
[148]殷剑峰.金融系统的功能、结构和经济增长：[中国社会科学院研究生院博士论文].北京：中国社会科学院研究生院财贸系,2003,5-23
[149]Jeffrey Frankel, Andrew Rose. An Estimate of the Effect of Common Currencies on Trade and Income, Series B,34:350-363,1996
[150]程惠芳,岑丽君.FDI、产业结构与国际经济周期协动性研究.经济研究,2010(9)：17-28
[151]任志祥.中国经济波动与世界经济周期的协动性研究：[浙江大学博士论文].杭州：浙江大学经济学院,2004,54-76
[152]董直庆,蔡玉程,谢加贞.CPI和PPI周期协动效应——基于频带分析方法的实证检验.数量经济技术经济研究,2009(10)：125-137
[153]Granger, C. W.J., M. Hatanaka. Spectral Analysis of Economic Time Series: Princeton University Press,1964,1-2341
[154]Baxter, M.,R. G. King. MeasuringBusiness Cycles:ApproximateBand2Pass Filters f or Economic Time Series.the Review of Economics and Statistics, 1999(81):575-5931
[155]胡东滨,张展英.基于DCC-GARCH模型的金属期货市场与外汇、货币市场的动态相关性研究[J].数理统计与管理,2012,31(5)：906-914
[156]徐有俊,王小霞,贾金金.中国股市与国际股市联动性分析——基于DCC-GARCH模型研究[J].经济经纬,2010,(5)：124-128
[157]朴基石.试论中韩股市收益的动态相关性——基于DCC-GARCH模型[J].延边大学学报(社会科学版),2011,44(1)：26-30
[158]Engle,R. F.. Dynamic Conditional Correlation:A Simple Class of Multivariate Generalized Autoregresive Conditional Het-eroskedasticity Models. Journal of Business and Economic Statistics,2002,20(3):339-350
[159]T. Bollerslev. Modeling the Coherence in Short-Run Nominal Exchange Rates:A Multivariate Generalized ARCH Model. Review of Economics and Statistics, 1990,72(3):498-505
[160]Bendell, T., Marra, T. Six sigma analyzed. Quality World,2002,(20).16-18
[161]Bersimis, S., Psarakis, S., Panaretos, J. Multivariate statistical process control charts:An overview. Quality and Reliability Engineering International, 2007(23),517-543
[162]Bisgaard, S., Freiesieben, J. Six sigma and the bottom line. Quality Progress, 2004,57-62
[163]曾珍香,顾培亮著.可持续发展的系统分析与评价.北京：科学出版社,2000：127-137
[164]吴高艺.可持续发展系统的科学理论与评估方法.广西财经学院学报,2006, (10)：322-326
[165]张思锋,沈志江.资源型城市能源产业可持续发展评价模型构建及应用.兰州大学学报,2011,39(6)：87-91
[166]张二勋.可持续发展系统分析及案例研究：[河南大学博士论文].河南：河南大学,2004,122-127
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |