研究团队近年来购买并整理了2000年以来《经济日报》《21世纪经济报道》《财经观察报》三本国内最重要财经报刊的每日新闻文本数据库,并实时更新。三份报纸是国内发行量最大,普及范围最广的财经类报刊。截至目前,除去广告和图片新闻等无关信息后,数据库总共有超过100万篇文章。如您进行相关方面的学术研究,欢迎随时联系和交流!联系人:郑挺国 (zhengtg@gmail.com);范馨月 (xinyue.96@qq.com)。
基于该数据库,本研究团队主要结合文本大数据、传统经济数据和搜索大数据,力图提高宏观经济监测和预测的时效性和准确性,并在宏观经济预测和分析方面进行了许多研究,相关成果发表在International Journal of Forecasting (2023)、Journal of Forecasting (2023)、《世界经济》(2023年第4期)、《数量经济技术经济研究》(2023年第2期)等。
基于科宽金融市场监测系统整理的实时股价数据集,包含开盘价、最高价、最低价、收盘价和交易量,约200M。如您进行相关方面的学术研究,欢迎随时联系和交流!联系人:郑挺国 (zhengtg@gmail.com)。
本项目在广义线性模型框架下重新考虑非负数、比值、整数值、成份等非高斯数据的时间序列建模,提出了带有鞅差误差的广义ARMA模型,主要是通过对条件均值过程进行广义ARMA建模,可以提高对数据的拟合程度,并且在统计上具有更好的概率性质(如平稳性、遍历性),更容易实现参数估计的大样本渐近性质;基于广义ARMA模型框架,分别提出了针对非负数据的Gamma-GARMA模型、针对比例数据的Beta-GARMA模型,以及针对多元成份时间序列数据的Dirichlet ARMA或DARMA模型;进一步考虑误差项具有半强式GARCH过程,提出了GARMA-GARCH过程,并针对非负、比例等非高斯数据给出了相应的建模策略和估计方法。科学意义:这一系列创新工作主要在时间序列方法研究上取得了新的进展和突破,使得从时间序列自身数据分布出发构建模型成为可能,为非高斯时间序列方向的研究提供了新的思路。
相关论文:
国内生产总值(GDP);工业增加值;固定资产投资;进出口;税收总额;消费品零售总额;货币供应量(M1);消费者价格指数(CPI);商品价格指数(RPI);工业品价格指数(PPI);
本项目提出了日度同比混频动态因子模型,结合月季低频同比增长率序列和日周高频指标,提取了日度宏观经济状况指数,重要经济指标的高频监测指数,并基于该模型进一步构建了日度宏观经济不确定性指数。其中,日度宏观经济状况指数和重要经济指标的高频监测指数的实时监测结果,详见科宽监测系统。
相关论文: