2025【国债收益率影响因素研究的国内外文献综述5500字】.docx

国债收益率影响因素研究的国内外文献综述

在现有的文献中，研究宏观因素对国债收益率的影响都是立足于一段时期，或是具体的年份，即这些研究都是在债券市场发展的不同时期作出。本文则是首先对2002-2017年债券市场进行相似性分析，然后分类对国债收益率的影响因素进行研究分析。

1.1关于面板聚类的文献综述

由于面板数据复杂的数据结构，对于面板数据聚类分析的研究早期停留在单个指标面板数据上的较多。例如：Miche和Jeroen(2005)[1]运用逐步回归法对全省数据的单个指标面板数据进行了聚类分析研究。朱建平和陈民恳(2007)[2]在介绍了面板数据的均值函数、方差函数、协方差函数、联合相关函数和交叉协方差函数这些描述性统计量之后，构造了面板数据之间的相似性统计指标，并在此基础上提出了面板数据聚类分析的有效方法，通过实际应用取得了良好的效果。郑兵云(2008)[3]认为这种单指标面板数据的聚类分析在理论研究上是问题的简化，其聚类算法和聚类过程类似于截面数据的聚类分析，在实际应用中会受到很大的限制。于是他分析了面板数据的数据格式和数字特征，根据聚类分析原理，重新构造了多指标面板数据的距离函数和离差平方和函数，在此基础上说明了多指标面板数据的聚类分析过程。

在面板聚类的研究过程中，主要采用以下两种方法。一种是利用主成分分析等方法对多指标面板数据进行降维，把面板数据的多维指标变量转化为由多个指标变量线性组合而成的一维综合指标。例如，肖泽磊等(2009)[4]，借鉴多元统计学中的主成分分析方法对面板数据进行降维处理，然后通过构建综合评价函数序列矩阵的相似性指标对面板数据进行聚类分析。

王德青等(2012)[5]对经典聚类分析和普通主成分聚类分析极端情形下的失效问题展开讨论，通过定义客观赋权的主成分距离为分类统计量，并以实证检验取得的良好效果为依据，有效地解决了主成分聚类分析在极端情形下所不能揭示的问题。王德青等(2013)[6]在对经典聚类模型和现有改进聚类模型优点与不足剖析的基础上，通过定义客观加权主成分距离为分类统计量，提出了一种自适应赋权的主成分聚类模型。他们认为与现有同类方法相比，新模型克服了指标之间的高度共线性，能够对指标重要性的客观差异进行自适应赋权，然后应用加权主成分聚类对中国区域创新能力进行集团划分，分类结果的可解释性明显提高，统计检验效果显著。之后，王德青等(2015)[7]在离散数据函数化的基础上提出了一种基于展开系数的加权聚类算法，他认为尽管这种离散视角下的函数型自适应权重聚类能够弥补普通主成分聚类分析的局限性，但其有效性的前提是能够主观选择最优基函数进行离散观测值的函数化处理，实际应用时缺乏统一准则。

刘云霞(2016)[8]认为在面板数据的聚类方法上，存在以下几个需要解决的问题：第一，如何确定面板数据中反映个体之间发展动态水平差异以及时序波动差异的具体指标形式。第二，如何对反映个体之间不同方面差异的距离给予科学赋权。第三，面板数据中利用欧氏距离测度相似性无法真正反映时间序列趋势的相似。第四，利用主成分分析进行面板数据聚类时，主成分个数的合理选取问题。为此提出了一种基于动态时间规整的面板数据聚类方法研究及应用。首先分别对所有时间点进行主成分分析，计算每个样本在每个时间点的综合得分，可以得到每个样本的综合得分时间序列，然后利用动态时间规整方法测度样本之间的综合得分时间序列的相似性，形成初始距离阵。戴大洋等(2018)[9]和刘云霞采用的方法具有相似之处，都是首先提取了面板数据主成分降维后指标的综合得分序列，差异在于戴大洋利用小波变化提取综合得分序列的“周期”特征、低频部分的“均值”特征与“趋势”特征、高频部分的“波动”特征，然后采用熵值法对这些特征进行赋权并利用赋权后的特征数据和系统聚类法实现面板数据聚类。

另一种方法是将横截面个体间各指标的距离求和作为横截面个体间的聚类相似性指标。例如，李因果等(2010)[10]基于面板数据的时序特征和截面特征，综合考虑面板数据绝对指标、增量指标及其时序波动特征，重新构建了面板数据相似性距离函数，并以2003-2007年财政金融面板数据为例，对中国14个沿海开放城市进行了聚类分析，结果显示出良好的应用性。任娟(2012)[11]在综合考虑面板数据水平指标、增量指标、增量变化率指标的时间序列特征及其非同步时间序列问题的基础上，对其进行一阶差分和二阶差分用来代表样品指标的水平值、增量和增量变化率时间序列，对三种距离进行加权求和作为样品间的距离。李因果等(2013)[12]提出了基于自适应权重的面板数据聚类方法，将权重的确定采用主、客观综合赋权的方法。王双英(2014)[13]认为李因果在定义全时“综合”距离中，对三种距离的权重存在人为赋权的因素，此外，数据同样被均值化，对全时“综合”距离