學術產出-Theses
Article View/Open
Publication Export
-
題名 各經濟體在金融危機下的異質性時間軌跡探討
Discussion of grouped patterns of heterogeneity in the financial crisis作者 陳又華
Chen, You-Hua貢獻者 徐士勛
陳又華
Chen, You-Hua關鍵詞 金融危機
分群
固定效果
時間效果
K-means
VNS日期 2019 上傳時間 1-Jul-2019 11:02:51 (UTC+8) 摘要 本篇論文應用 Bonhomme and Manresa (2015) 提出的分群方法，依各國在金融危機期間呈現的經濟態勢進行分群，此方法在 k-means 概念下搭配變動鄰域搜尋法以降低起始值對分群結果的影響。我們以不良貸款占總貸款比例、私營機構放貸比率、通膨率及淨借出/借入占 GDP 比率等四項自變數與經濟成長變化率建構主要的分群迴歸式，並將分群結果經由變數和時間效果走勢凸顯出各群異質性程度。藉由此研究，我們可以將分群結果與文獻做比較，並依據異質性程度提出更完整及豐富的分析。我們的實證結果顯示，2011年之後經濟復甦的走勢是各群異質性的主要來源，我們進而將各群分為首波復甦經濟體、次波復甦經濟體及不穩定經濟體三類，私營機構放貸比率則是決定金融危機期間經濟成長變化率關鍵的變數。此外，我們發現開放式的經濟體、未加入歐元區的歐盟國家、受到金融危機影響較小的拉丁美洲及亞洲國家及曾在金融危機期間接受歐盟及國際組織紓困的經濟體在分群結果上較不受到利用單一時點的資料與一段期間的連續資料分群的結果影響；並根據文獻與本文研究的結果推論出亞洲金融風暴後危機應變能力提升可能強化了亞洲各國金融危機後的復甦力道及紓困計畫可能對受助國產生雙管齊下的效果。至於各群在金融危機導引期及發生期間變數走勢的差異以私營機構放貸比率最為顯著。 參考文獻 Afonso, A. M. . K. A., A. (2014). Pricing sovereign bond risk in the european monetary union area: an empirical investigation. International Journal of Finance and Economics, 19(1), 49–56. doi: 10.1002/ijfeArgüelles, M., Benavides, C., & Fernández, I. (2014). A new approach to the identification of regional clusters. Applied Economics, 46(21), 2511–2519.Bien, J., & Tibshirani, R. (2011). Hierarchical clustering with prototypes via minimax linkage. Journal of the American Statistical Association, 106(495), 1075–1084. doi: 10.1198/jasa.2011.tm10183Bonhomme, S., & Manresa, E. (2015). Grouped patterns of heterogeneity in panel data. Econometrica, 83(3), 1147–1184. doi: 10.3982/ecta11319Brownstein, M. J., Khodursky, A., Ben-Hur, A., & Guyon, I. (2003). Detecting stable clusters using principal component analysis. Functional Genomics(1), 159–182. doi: 10.1385/1-59259-364-x:159Chen, R. B., Chen, Y. C., Chu, C. H., & Lee, K. J. (2017). On the determinants of the 2008 financial crisis: a bayesian approach to the selection of groups and variables. Studies in Nonlinear Dynamics and Econometrics, 21(5), 1–17. doi: 10.1515/snde-2016-0107CIMPOERU, S. (2015). Models for evaluating financial crisis –what went wrong for developed and emerging economies? Theoretical and Applied Economics, XXII, 273-282.Hansen, P., Mladenovic, N., & Moreno, J. (2010). Variable Neighbourhood Search. Inteligencia Artificial, 7(19), 1097–1100. doi: 10.4114/ia.v7i19.717Reutter, A. (2003). Twostep cluster analysis. IBM Software, Business Analytics, SPSS, 1–5. Retrieved from http://www1.uni-hamburg.de/ RRZ/Software/SPSS/Algorith.120/twostep_cluster.pdf doi:23/1/303 [pii]Rose, A. K., & Spiegel, M. M. (2012). Cross-country causes and consequences of the 2008 crisis: early warning. Japan and the World Economy, 24(1), 1–16. Retrieved from http:// dx.doi.org/ 10.1016/ j.japwor. 2011.11.001 doi: 10.1016/j.japwor.2011.11.001Syed Zwick, H., & Syed, S. A. S. (2017). Great recession impact on european labor markets integration: cluster analyses. International Journal of Manpower, 38(7), 1016–1035. doi: 10.1108/IJM-03-2016-0059 描述 碩士
國立政治大學
經濟學系
106258014資料來源 http://thesis.lib.nccu.edu.tw/record/#G0106258014 資料類型 thesis dc.contributor.advisor 徐士勛 zh_TW dc.contributor.author (Authors) 陳又華 zh_TW dc.contributor.author (Authors) Chen, You-Hua en_US dc.creator (作者) 陳又華 zh_TW dc.creator (作者) Chen, You-Hua en_US dc.date (日期) 2019 en_US dc.date.accessioned 1-Jul-2019 11:02:51 (UTC+8) - dc.date.available 1-Jul-2019 11:02:51 (UTC+8) - dc.date.issued (上傳時間) 1-Jul-2019 11:02:51 (UTC+8) - dc.identifier (Other Identifiers) G0106258014 en_US dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/124212 - dc.description (描述) 碩士 zh_TW dc.description (描述) 國立政治大學 zh_TW dc.description (描述) 經濟學系 zh_TW dc.description (描述) 106258014 zh_TW dc.description.abstract (摘要) 本篇論文應用 Bonhomme and Manresa (2015) 提出的分群方法，依各國在金融危機期間呈現的經濟態勢進行分群，此方法在 k-means 概念下搭配變動鄰域搜尋法以降低起始值對分群結果的影響。我們以不良貸款占總貸款比例、私營機構放貸比率、通膨率及淨借出/借入占 GDP 比率等四項自變數與經濟成長變化率建構主要的分群迴歸式，並將分群結果經由變數和時間效果走勢凸顯出各群異質性程度。藉由此研究，我們可以將分群結果與文獻做比較，並依據異質性程度提出更完整及豐富的分析。我們的實證結果顯示，2011年之後經濟復甦的走勢是各群異質性的主要來源，我們進而將各群分為首波復甦經濟體、次波復甦經濟體及不穩定經濟體三類，私營機構放貸比率則是決定金融危機期間經濟成長變化率關鍵的變數。此外，我們發現開放式的經濟體、未加入歐元區的歐盟國家、受到金融危機影響較小的拉丁美洲及亞洲國家及曾在金融危機期間接受歐盟及國際組織紓困的經濟體在分群結果上較不受到利用單一時點的資料與一段期間的連續資料分群的結果影響；並根據文獻與本文研究的結果推論出亞洲金融風暴後危機應變能力提升可能強化了亞洲各國金融危機後的復甦力道及紓困計畫可能對受助國產生雙管齊下的效果。至於各群在金融危機導引期及發生期間變數走勢的差異以私營機構放貸比率最為顯著。 zh_TW dc.description.tableofcontents 目次1 緒論 12 文獻回顧 32.1 近期發展的分群方法 32.2 金融危機議題探討 33 研究方法 63.1 k-平均演算法(k-means) 63.1.1 分配(assignment) 63.1.2 更新(update) 63.2 變動鄰域搜尋法(Variable Neighborhood Search, VNS) 73.3 貝氏訊息準則(Bayesian Information Criterion, BIC) 84 實證結果與分析94.1 資料來源與說明 94.1.1 資料來源 94.1.2 研究對象 94.1.3 研究時間 104.2 全球走勢分析 114.3 分群結果實證分析 134.3.1 群數選擇 134.3.2 分群結果 144.3.3 變數走勢分析 144.3.4 時間效果走勢分析 174.3.5 群內變數走勢分析 174.4 分群結果與文獻比較-同群分析 194.4.1 以色列、荷蘭及瑞典 214.4.2 立陶宛、羅馬尼亞 214.4.3 捷克、盧森堡及波蘭 224.4.4 哥倫比亞、菲律賓 224.4.5 法國、南非及阿拉伯聯合大公國 234.4.6 西班牙、斯洛維尼亞 234.4.7 波士尼亞與赫塞哥維納、克羅埃西亞及義大利 254.4.8 奧地利、丹麥及美國 264.4.9 巴西、印度、馬來西亞、祕魯、俄國及新加坡 274.4.10 小結 284.5 分群結果與文獻比較-綜合分析 295 結論與建議 33附錄 34References 40表目次1 各分群數相關指標 132 分群結果總整理 313 分群結果總整理(續) 32圖目次1 2008-2014 全球平均走勢圖 122 各分群數相關指標 133 2008-2014 銀行不良貸款占總貸款比例 154 2008-2014 私營機構放貸比率 155 2008-2014 通貨膨脹率 166 2008-2014 淨借出(+)/借入(-) 占GDP 比率 167 各群自變數影響力 188 各群時間效果走勢圖(αgt) 199 私營機構放貸比率比較 2010 同群變數比較(以色列、荷蘭及瑞典) 2111 同群變數比較(立陶宛、羅馬尼亞) 2212 同群變數比較(捷克、盧森堡及波蘭) 2313 同群變數比較(哥倫比亞、菲律賓) 2414 同群變數比較(法國、南非及阿拉伯聯合大公國) 2415 同群變數比較(西班牙、斯洛維尼亞) 2516 同群變數比較(波士尼亞與赫塞哥維納、克羅埃西亞及義大利) 2617 同群變數比較(奧地利、丹麥及美國) 2718 同群變數比較(巴西、印度、馬來西亞、祕魯、俄國及新加坡) 28 zh_TW dc.format.extent 6395455 bytes - dc.format.mimetype application/pdf - dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0106258014 en_US dc.subject (關鍵詞) 金融危機 zh_TW dc.subject (關鍵詞) 分群 zh_TW dc.subject (關鍵詞) 固定效果 zh_TW dc.subject (關鍵詞) 時間效果 zh_TW dc.subject (關鍵詞) K-means en_US dc.subject (關鍵詞) VNS en_US dc.title (題名) 各經濟體在金融危機下的異質性時間軌跡探討 zh_TW dc.title (題名) Discussion of grouped patterns of heterogeneity in the financial crisis en_US dc.type (資料類型) thesis en_US dc.relation.reference (參考文獻) Afonso, A. M. . K. A., A. (2014). Pricing sovereign bond risk in the european monetary union area: an empirical investigation. International Journal of Finance and Economics, 19(1), 49–56. doi: 10.1002/ijfeArgüelles, M., Benavides, C., & Fernández, I. (2014). A new approach to the identification of regional clusters. Applied Economics, 46(21), 2511–2519.Bien, J., & Tibshirani, R. (2011). Hierarchical clustering with prototypes via minimax linkage. Journal of the American Statistical Association, 106(495), 1075–1084. doi: 10.1198/jasa.2011.tm10183Bonhomme, S., & Manresa, E. (2015). Grouped patterns of heterogeneity in panel data. Econometrica, 83(3), 1147–1184. doi: 10.3982/ecta11319Brownstein, M. J., Khodursky, A., Ben-Hur, A., & Guyon, I. (2003). Detecting stable clusters using principal component analysis. Functional Genomics(1), 159–182. doi: 10.1385/1-59259-364-x:159Chen, R. B., Chen, Y. C., Chu, C. H., & Lee, K. J. (2017). On the determinants of the 2008 financial crisis: a bayesian approach to the selection of groups and variables. Studies in Nonlinear Dynamics and Econometrics, 21(5), 1–17. doi: 10.1515/snde-2016-0107CIMPOERU, S. (2015). Models for evaluating financial crisis –what went wrong for developed and emerging economies? Theoretical and Applied Economics, XXII, 273-282.Hansen, P., Mladenovic, N., & Moreno, J. (2010). Variable Neighbourhood Search. Inteligencia Artificial, 7(19), 1097–1100. doi: 10.4114/ia.v7i19.717Reutter, A. (2003). Twostep cluster analysis. IBM Software, Business Analytics, SPSS, 1–5. Retrieved from http://www1.uni-hamburg.de/ RRZ/Software/SPSS/Algorith.120/twostep_cluster.pdf doi:23/1/303 [pii]Rose, A. K., & Spiegel, M. M. (2012). Cross-country causes and consequences of the 2008 crisis: early warning. Japan and the World Economy, 24(1), 1–16. Retrieved from http:// dx.doi.org/ 10.1016/ j.japwor. 2011.11.001 doi: 10.1016/j.japwor.2011.11.001Syed Zwick, H., & Syed, S. A. S. (2017). Great recession impact on european labor markets integration: cluster analyses. International Journal of Manpower, 38(7), 1016–1035. doi: 10.1108/IJM-03-2016-0059 zh_TW dc.identifier.doi (DOI) 10.6814/NCCU201900047 en_US
