目前正在写论文,在数据预处理和pvar模型这块有很多问题想要向人请教。有懂的朋友请跟我联系。
4.1.2.1 样本数据和数据来源 (暂无问题)<br>
<br>
由于数据的可得性等原因,作者以我国20家上市的商业银行作为研究对象,通过选取其从2008年到2022年20家银行的半年度数据进行实证分析。其中有(1)中国工商银行、(2)中国银行、(3)中国建设银行、(4)中国农业银行、(5)中国邮政储蓄银行、(6)交通银行、(7)招商银行、(8)中国兴业银行、(9)中信银行、(10)上海浦东发展银行、(11)中国民生银行、(12) 中国光大银行、(13)平安银行、(14) 华夏银行、(15)北京银行、(16)上海银行、(17)江苏银行、(18)南京银行、(19)宁波银行和(20)杭州银行。<br>
<br>
4.1.2.2 数据预处理与描述性统计<br>
<br>
模型数据主要来源于Wind数据库和各商业银行年报。由于各个银行情况不同,个别银行个别年份有数据缺失,作者在应对这一情况时,依据缺失数据的变化趋势特点使用 (主要有三种插补的办法,分别为回归插补,K近邻插补和均值插补,选择不同的方法可能会影响到数据在时间上的延续性和数据的可靠性。<br>
实质上在数据预处理的时候,出现了很多问题<br>
(1) Z值的插值问题,尤其邮储银行上市较晚,数据量明显不足,其余4到5家银行也都或多或少出现了此类问题,如何解决插值问题, 甚至当时选择半年度数据都算是无奈之举。<br>
(2)银行资产认定,在宏观审慎监管中横截面维度的变量, HHI, 又称赫芬达尔指数,银行业总资产可以在银监会找到,但银行资产的认定问题很大,特别是2018年会计准则发生较大变化,投资类资产涉及多个科目,相当头疼,看是否能找到从2008年到2022年各家银行资产的数量。<br>
(3)流动资产与流动负债的比值也出现了同样问题,认定困难,很难明确在财报中找到<br>
(4)不良贷款率和资本充足率在wind数据库上找不到<br>
,或者找不全,在其他数据库比如说Choice数据中这两个变量相对较全,但现有数据有些差距,比如以中国银行的2018年的年报核心资本充足率在Wind是11.67%,而Choice为11.41%,相对差距大吗?<br>
<br>
随后为描述性统计(暂无问题)<br>
描述性统计主要包括变量标识,变量名称,平均值,标准差,最小值,最大值。<br>
<br>
4.1.3 估计方法介绍<br>
在计量方法上,作者将采用GMM,本文选用动态面板数据广义矩法(Generalized Method of Moments,GMM)对回归方程进行估计。<br>
<br>
4.1.4 模型的建立<br>
<br>
<br>
可能要分别列出静态面板和动态面板模型。


雷达卡


京公网安备 11010802022788号







