Advertisement

2000-2019年资源金融错配指数计算及代码分享（金融错配指标）

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本研究提供了一个详细的框架来衡量2000至2019年间全球范围内资源与金融之间的错配情况，并公开了用于计算相关错配指数的代码，为经济学和金融学的研究者们提供了宝贵的分析工具。 资源错配指数计算 1. 数据来源：各省级统计年鉴/中国统计年鉴 2. 时间跨度：2000-2019年 3. 区域范围：全国 指标说明： 资源配置是经济学研究的基本问题之一，如何利用有限的资源实现社会福利的最大化一直受到国内外学者的关注。在经济全球化的背景下，国际间的贸易往来日益频繁，资本在全球市场的流动加速了这一进程。经济增长成为持续的研究主题。为了优化资源配置，必须明确资源错配导致效率损失的作用机制，并评估这种错配有造成多大程度上的效率损失，进而分析哪些层面可以实现重新的配置优化。只有全面了解这些问题，在实际操作中才可能制定出有针对性的政策。因此需要对资源错配的程度进行估算。 金融错配指标 1. 数据来源：国泰安数据库 2. 时间跨度：2003-2020年 3. 区域范围：全国 计算公式： \[ 金融错配 = \frac{利息支出 / (负债 - 应付账款) - 行业平均利率}{行业平均利率} \] 参考文献： 张庆君, 李萌. 金融错配与企业资本. 以上信息提供了资源和金融错配指数计算的基础数据、公式以及相关研究背景。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 2000-2019年资源金融错配指数计算及代码分享（金融错配指标）
    优质
    本研究提供了一个详细的框架来衡量2000至2019年间全球范围内资源与金融之间的错配情况，并公开了用于计算相关错配指数的代码，为经济学和金融学的研究者们提供了宝贵的分析工具。 资源错配指数计算 1. 数据来源：各省级统计年鉴/中国统计年鉴 2. 时间跨度：2000-2019年 3. 区域范围：全国 指标说明： 资源配置是经济学研究的基本问题之一，如何利用有限的资源实现社会福利的最大化一直受到国内外学者的关注。在经济全球化的背景下，国际间的贸易往来日益频繁，资本在全球市场的流动加速了这一进程。经济增长成为持续的研究主题。为了优化资源配置，必须明确资源错配导致效率损失的作用机制，并评估这种错配有造成多大程度上的效率损失，进而分析哪些层面可以实现重新的配置优化。只有全面了解这些问题，在实际操作中才可能制定出有针对性的政策。因此需要对资源错配的程度进行估算。 金融错配指标 1. 数据来源：国泰安数据库 2. 时间跨度：2003-2020年 3. 区域范围：全国 计算公式： \[ 金融错配 = \frac{利息支出 / (负债 - 应付账款) - 行业平均利率}{行业平均利率} \] 参考文献： 张庆君, 李萌. 金融错配与企业资本. 以上信息提供了资源和金融错配指数计算的基础数据、公式以及相关研究背景。
     
  • 劳动力与金融错配指标的计算（含代码）
    优质
    本研究探讨了如何量化劳动力市场与金融市场间的不匹配问题，并提供了详细的计算方法及其实现代码。 资源错配指数数据集包含代码： 一、资本错配和劳动力错配指数计算 1. 时间跨度：2000-2019年 2. 区域范围：31个省市自治区 3. 指数的原始数据、计算方式参考文献以及stata do文件都在分享文件夹里。如果指数大于零，表示资源配置不足；反之则表示资源配置过度。绝对值越大，资源错配程度越高。 二、金融错配指标 2. 时间跨度：2003-2020年 3. 区域范围：全国 4. 指标说明： 金融错配指标计算公式为：\[ \frac{{\text{利息支出}/(\text{负债}-\text{应付账款}) - \text{行业平均利率}}}{\text{行业平均利率}} \] 参考文献：张庆君, 李萌. 金融错配、企业资本结构与非效率投资[J]. 金融论坛, 2018, v.23;No.276(12):23-38. 部分数据如下： 以上为资源错配指数的计算方法和时间跨度，以及相关文献参考。
     
  • 1998-2021年上市公司的金融错配状况分析
    优质
    本文对1998年至2021年间中国上市公司所面临的金融错配问题进行了深入剖析，旨在揭示企业在不同时期、不同环境下金融资源配置效率的变化趋势及其影响因素。 数据来源：基于1998年至2021年间沪深A股上市公司的相关数据进行分析。 区域范围：涵盖沪深A股上市公司。 指标定义：参考邵挺（2010）及周煜皓、张胜勇（2014）的研究，采用金融错配负担水平来衡量信贷错配情况。具体而言，企业资金使用成本与所在行业平均资金使用成本之间的差异越大，则表明该企业的信贷错配程度越高。其中，企业资金使用成本通过财务费用中的利息支出与扣除应付账款后的负债总额的比率进行评估。 数据处理：剔除了缺失值，并对最终结果进行了1%和99%分位数的缩尾处理。行业分类依据证监会2012年标准执行，制造业采用二级行业分类，其他类别则使用一级分类计算。
     
  • 数值金融：金融数值方法及源码
    优质
    《数值金融》一书深入浅出地介绍了金融领域中常用的数值计算方法，并提供了丰富的源代码实例。适合数学、计算机科学和金融专业的读者学习研究。 金融数值方法该存储库包含来自金融中的数值方法和衍生品定价的高级技术及其代码，并包括涉及数值方法或数学建模元素的MOOC（大型开放在线课程）相关代码。内容涵盖财务相关的金融市场数学模型、期权计算及金融数学方法，以及商业分析等主题。 具体来说，在这个存储库中可以找到关于格（树）方法的内容，特别是离散时间下的期权定价技术，例如CRR（Cox-Ross-Rubenstein）二项式期权定价模型。此外，还有蒙特卡洛方法的实现细节，用于对金融模型进行随机路径模拟，并包括了利率的CIR（Cox-Ingersoll-Ross）模型仿真等实例。 这些资源为学习者和专业人士提供了一个深入理解复杂金融市场工具和技术的基础框架。
     
  • 2011-2019年各省份金融效率、数字金融指数、不变价GDP及GDP增速、金融集聚和经济开放度数据.xls
    优质
    本Excel文件收录了2011至2019年间中国各省份的金融效率、数字金融发展水平、实际GDP值及其增长率，以及反映地区金融集中程度与对外开放状态的相关统计数据。 2011-2019年各省金融效率、数字金融指数、不变价GDP、GDP增速、金融集聚以及经济开放程度的数据表格。
     
  • 2000-2022年中国各地级市绿色金融指数数据
    优质
    该资料集涵盖了中国2000年至2022年间各地区级市的绿色金融发展情况的数据，包括绿色信贷、绿色债券等多个方面。 时间：2000-2022年 来源：统计J、科技B、人行网站及各种权威年鉴，包括全国及各省市统计NJ、环境状况公报等专业统计nj指标说明见相关文章。
     
  • 金融机构系统性金融风险计算代码及2007-2022年的计算结果与原始数据
    优质
    本项目提供金融机构系统性金融风险的计算代码、自2007年至2022年详细的计算结果以及相关原始数据，旨在帮助研究者分析和理解全球金融危机及其后续影响。 一、数据简介：本数据集包含四个系统性极值风险指标——通过DCC方法计算的Δcovar、分位数法计算的Δcovar、分位数法计算的covar以及MES，涵盖上市金融机构（包括银行、证券和保险等）从2007年至2022年的数据。这些数据为非平衡型，即并非所有机构的数据都始于2007年，但自2010年后大部分都有记录，并且能够很好地描述金融危机、股市崩盘以及新冠疫情的影响。 二、指标说明：金融系统性风险是指在金融市场中由于各种关联因素的存在，导致风险传播并逐渐形成内在不确定性的损失。这些内部机制包括但不限于Acemoglu等人提出的观点。 三、参考文献： [1] 王剑, 杜红军. 非对称尾部相依视角下的金融机构系统性风险研究[J]. 金融经济,2023,No.561(03):54-69. [2] 朱子言, 刘晓星. 系统性风险溢出与脆弱度——基于中国上市金融机构尾部风险感知的研究[J]. 金融经济学研究,2023,38(02):20-34.
     
  • Python金融大数据分析代码源
    优质
    《Python金融大数据分析代码源》是一本深入讲解如何利用Python进行金融数据分析与建模的专业书籍，包含大量实用案例和源码。 Python金融大数据分析源代码提供了一系列用于处理金融市场数据的工具和算法。这些资源可以帮助开发者或分析师构建自己的金融应用或进行深入的数据研究。 目录结构如下： - 数据文件夹：存放原始数据集。 - 脚本段落件夹： - 基础模块.py：包括常用函数，如获取数据、清理及预处理等。 - 分析工具.py：包含各种技术分析指标计算方法。 - 回归模型.py：提供不同回归算法实现用于预测股票价格或其他金融变量。 请注意根据实际需求调整和扩展这些文件。