【www.gbppp.com--题目解答】
数据挖掘毕业论文
题目
系
专 异常数据挖掘研究 别： 计算机科学与技术系 业： 计算机科学与技术
摘要
摘 要
粗糙集理论，它是一种分析处理数据的理论，在20世纪80年代由波兰科学家Pawlak建立。一开始由于语言交流上的问题，建立该理论的时候只有一些东欧学者会研究和应用它，后来随着该理论的发展才慢慢受到全球上知名数学学者和计算机学者的重视。
知识粒度的基本思想在许多领域都有体现，如粗糙集、数据库、聚类分析、模糊集、证据理论、数据挖掘和机器学习等。自从1979年L.A.Zadeh在世界上首次提出并讨论了知识粒度问题之后，知识粒度获得了人们越来越多的关注。经过多年的发展，知识粒度已在知识发现、数据挖掘、软计算中扮演越来越重要的角色。
在本论文中，本人引入知识粒度这一个方法作为一个统一的框架去理解和实施异常点挖掘。此外，还给出了基于知识粒度的异常点挖掘算法。该算法结合粗糙集与数据挖掘技术研究异常数据。理论研究和实验结果表明，知识粒度方法对评定异常是有效且适用的。
关键词：粗糙集；异常检测；数据挖掘；知识粒度
I
Abstract
ABSTRACT
Rough set theory, it is a theory of data analysis and processing, 80 in the 20th century by Polish scientists Pawlak established. The beginning of the problems due to language exchanges, the establishment of the theory, when only a few Eastern European scholars would study and apply it, and later with the development of the theory slowly by the global computer on the well-known scholars and scholars in mathematics seriously.
The basic idea of knowledge granulation in many areas, such as rough sets, database, clustering analysis, fuzzy sets, evidence theory, data mining and machine learning.1979 L.A.Zadeh the first time in the world and discussed after the knowledge granulation of fuzzy, the knowledge granulation obtained people more and more attention.After years of development, knowledge granularity in knowledge discovery, data mining, soft computing plays an increasingly important role.
In this paper, we introduce this method of knowledge granularity as a unified framework to understand and implement outlier mining. In addition, we also give the size of knowledge-based algorithm for mining outliers. The algorithm combines rough sets and data mining of abnormal data. Theoretical and experimental results show that the method of assessment of knowledge granularity is an effective and appropriate exception.
Key Words: rough sets; outlier detection; data mining; knowledge granulation
II
目录
目录
第1章 引言 ................................................................................................................. 1
1.1 概述 ......................................................................................................... 1
1.2 研究的目的和意义 ................................................................................. 2
1.3 国内外研究现状 ..................................................................................... 3
1.3.1 数据挖掘的研究现状 ........................................................... 3
1.3.2 粗糙集的研究现状 ............................................................... 3
1.3.3 知识粒度的研究现状 ........................................................... 4
第2章 数据挖掘 ......................................................................................................... 6
2.1数据挖掘的定义 ...................................................................................... 6
2.2 数据挖掘的有趣故事 ............................................................................. 7
2.3 数据挖掘的几种知识表示方法与模式 ................................................. 8
2.3.1 广义知识挖掘 ....................................................................... 8
2.3.2 关联知识挖掘 ....................................................................... 8
2.3.3 类知识挖掘 ........................................................................... 8
2.3.4 预测型知识挖掘 ................................................................... 9
2.3.5 特异型知识挖掘 ................................................................... 9
2.3.6 粗糙集知识挖掘 ................................................................... 9
2.4 数据挖掘与知识发现 ............................................................................. 9
2.4.1 把KDD看成数据挖掘的一个特例 .................................. 10
2.4.2 数据挖掘存在于KDD过程中 .......................................... 10
2.4.3 数据挖掘与知识发现相近似 ............................................. 11
第3章 粗糙集理论 ................................................................................................... 12
3.1 粗糙集理论的基本概念 ....................................................................... 12
3.1.1 信息集 ................................................................................. 12
3.1.2 集合的上近似，下近似与边界值 ..................................... 13
III
目录
3.2 粗糙集理论的优点 ............................................................................... 14
3.3 属性约简 ............................................................................................... 14
3.3.1 属性依赖 ............................................................................. 15
3.3.2 属性约简 ............................................................................. 15
3.4 信息熵 ................................................................................................... 16
3.5 知识粒度 ............................................................................................... 17
3.5.1 基于粗糙集理论的知识粒度表示 ..................................... 17
3.5.2知识粒度在知识约简中的应用 .......................................... 18
3.5.3 应用实例 ............................................................................. 19
第4章 基于知识粒度的异常检测 ........................................................................... 20
4.1 知识粒度的异常检测 ........................................................................... 20
4.1.1 基于知识粒度异常点的定义 ............................................. 20
4.1.2 基于知识粒度异常点的例子 ............................................. 22
4.2 基于知识粒度的异常检测算法 ........................................................... 26
4.2.1 基于知识粒度异常点检测的算法流程图 ......................... 26
4.2.2 基于知识粒度异常点检测的算法描述 ............................. 26
第5章 实验与分析 ................................................................................................... 29
5.1 实验结果 ............................................................................................... 29
5.2 实验分析 ............................................................................................... 31
5.2.1 淋巴数据的检测 ................................................................. 31
5.2.2 漏检和误检 ......................................................................... 32
第6章 结论与展望 ................................................................................................... 34
6.1 结论 ....................................................................................................... 34
6.2 进一步工作的方向 ............................................................................... 34
致 谢 ......................................................................................................................... 35
参考文献 ..................................................................................................................... 36
IV
数据挖掘论文
题 目：数据挖掘技术在电子商务中的应用
系 别： 计算机学院
专 业： 11网络工程1班
学生姓名： 黄坤
学 号：
指导教师：
2014年 11月06 日
数据挖掘技术在电子商务中的应用
一、研究原因
电子商务在现代商务活动中的正变得日趋重要，随着大数据时代的到来，商务信息显得尤为重要，在电子商务中谁掌握了有利的市场信息，谁就能在这个竞争激烈电商行业中占据绝对的优势。而数据挖掘技术是获取信息的最有效的技术工具。本文讨论了数据挖掘的主要方法，具体阐述了数据挖掘技术在电子商务中的作用及应用。
在信息经济时代，对企业来说，谁对市场变化反应速度快，谁将在激烈的市场竞争中占据有利的地位，竞争的结果最终将促使企业价值从市场竞争输家转移到赢家，这样就使企业面临一个问题：如何才能把大量的数据资源，转化成自身价值呢？要想使数据真正成为一个公司的资源，只有充分利用它为公司自身的业务决策和战略发展服务才行，否则大量的数据可能成为包袱，甚至成为垃圾。因此，面对“人们被数据淹没，人们却饥饿于知识”的挑战，数据挖掘和知识发现(DMKD)技术应运而生，并得以蓬勃发展，越来越显示出其强大的生命力。 二、2.1 国内研究现状
KDD（从数据库中发现知识）一词首次出现在1989年8月举行的第11届国际联合人工智能学术会议上。迄今为止,由美国人工智能协会主办的KDD已经召开了7次,规模由原来的专题讨论会发展到国际学术大会,人数由二三十人到七八百人,论文收录比例从2X1到6X1,研究重点也逐渐从发现方法转向系统应用,并且注重多种发现策略和技术的集成,以及多种学科之间的相互渗透。其他内容的专题会议也把数据挖掘和知识发现列为议题之一,成为当前计算机科学界的一大热点。此外,数据库、人工智能、信息处理、知识工程等领域的国际学术刊物也纷纷开辟了KDD专题或专刊。IEEE的Knowledge and Data Engineering 会刊领先在1993年出版了KDD技术专刊,所发表的5篇论文代表了当时KDD研究的最新成果和动态,较全面地论述了KDD 系统方法论、发现结果的评价、KDD系统设计的逻辑方法,集中讨论了鉴于数据库的动态性冗余、高噪声和不确定性、空值等问题,KDD系统与其它传统的机器学习、专家系统、人工神经网络、数理统计分析系统的联系和区别,以及相应的基本对策。6篇论文摘要展示了KDD在从建
立分子模型到设计制造业的具体应用。不仅如此,由美国人工智能学会主办的KDD国际研讨会规模由原来的专题讨论会发展到国际学术大会，研究重点也逐渐从发现方向转向系统应用，注重多重发现策略和技术集成，以及多种学科之间的相互渗透，并且有很多学校和科研机构也正投入大量资金进行数据挖掘技术的进一步开发和深入研究。国内对数据挖掘的研究稍晚，没有形成整体力量。但是国内的高校，例如清华大学、中科院计算机技术研究所等，都已开展了不同程度的知识发现的基础理论及其应用研究。其中，北京系统工程研究所对模糊方法在知识发现中的应用进行了较深入的研究。与国外相比，我国对数据挖掘领域的研究仍处于初级阶段，绝大多数工作集中于局部算法设计，进行综合的系统集成设计却寥寥无几。由于核心技术的欠缺，使得数据挖掘在国内一些领域只是初步应用，如银行、金融、GIS等领域。所以研究数据挖掘技术，并将其应用到科研、经济、教育等领域的重要性是可见一斑的。
电子商务（E-Commerce）是以指利用电子数据交换（Electronic Data Interchange，EDI）、电子邮件（E-mail）、电子资金转账（Electronic Funds Transfer，EFT）和Internet等主要技术在个人、企业和国家之间进行无纸化的信息交换，包括商品信息及其订购信息、资金信息及其支付信息、安全及其认证信息等，即以现代信息技术为手段，以经济效益为中心的现代化商业运转模式。其最终目标是实现商务活动的网络化、自动化与智能化。
随着Internet的迅速发展，电子商务的应用不断深入。在电子商务应用系统中，相关的用户数据日益增多，数据挖掘技术具有从大量复杂数据中发现特定规律的能力。商业电子化的趋势不仅为客户提供了便利的交易方式和广泛的选择，同时也为商家提供了更加深入了解客户需求信息和购物行为特征的可能性。
2.2 数据挖掘技术
2.2.1 统计技术
统计技术对数据集进行挖掘的主要思想是：统计的方法对给定的数据集合假定了一个分步或者概率的模型（比如一个正态分布），然后根据模型采用相应的方法进行挖掘。
2.2.2 关联规则
数据关联是数据库中存在的一类很重要的可以发现的知识。若两个或者多个变量的取值之间存在某种规律性，就成为关联。关联可分为简单关联，时序关联，因果关联。关联分析的目的是找出数据库中隐含的关联网，优势并不知道数据库中的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。
2.2.3 基于历史的分析MBR（Memory-based Reasoning）
MBR的本质是：现根据经验知识寻找相似情况，然后再将这些情况的信息应用于当前的例子中。使用的三个问题是：寻找确定的历史数据；决定表示历史数据的最有效方法；决定距离函数、联合函数和邻近的数量。
2.2.4 遗传算法GA（Genetic Aigorithms）
该算法是基于进化理论，并采用遗传结合、遗传变异及自然选择等方法优化结果。主要思想是：根据适者生存的原则，形成由当前群体中最适合的规则组成新的群体，以及这些规则的后代。规则的适合度（Fitness）是对训练样本分类准确性的评估。
2.2.5 聚集检测
将物理或者抽象对象的集合，分组成为由类似的对象组成的多个类的过程被成为聚类。在由聚类生成的数据对象集合中，这些对象具有相似性，并与其他集合中的对象具有相异性。这种相异度是根据描述对象的属性值来计算的，距离是经常被采用的度量方法。
2.2.6 连接分析
它的基本理论是图论，图论的思想是寻找一个可以得出好的结果但不是完美结果的算法。这种不完美但是可行的思想模式，可以使之运用到更广的用户群中。
2.2.7 决策树
决策树是能够被看成一棵树的预测模型。树的每个分支都是一个分类的问题，内部节点表示在一个属性上的测试，树叶代表类或者分布。
决策树算法是目前应用最广泛的归纳推理算法之一，是一种逼近离散值函数的方法，也可将它看作是一个布尔函数。它是以实例为基础的归纳学习算法，通过对一组训练数据的学习，构造出决策树形式的只是表示，在决策树的内节点进行属性值的比较并根据不同的属性值判断从该节点向下的分枝，从而在决策树叶节点得到结论。所以从根到叶节点的一条路径就对应着一条规则，整棵决策树就对应着一组吸取表达式规则。
2.2.8 神经网络
神经网络是指由大量神经元互联而成的网络，类似于服务器互联而成的因特网。它主要由“神经元”的互联，或按组织的结点构成。通常神经网络模型由三个层次组成：输入层，中间层，输出层。
在神经元求得输入值后，再汇总计算总输入值；由过滤机比较总输出值，确定网络的输出值。可以通过模拟判断，来不断修正计算的“权值”来达到学习的目的，增加判断的正确性。
2.2.9 粗糙集
粗糙值是一种研究不确定性问题的工具，它根据已有的给定问题的知识，对问题论域进行划分，然后对划分后的每个组成部分确定其对某个概念的支持程度。它用于从数据库中发现分类规则的基本思路是将数据库中的属性分为条件属性和结论属性。对数据库中的元组根据各个属性不同的属性值分成相应的子集，然后对条件属性划分的子集与结论属性划分的子集之间上下近似关系生成判定规则。
2.2.10 回归分析
论文封面
毕业论文（设计）题目：
学生姓名：____________________________ 学 号：____________________________ 专业班级： 指导教师：____________职称__________ 指导教师：____________职称__________ 起止时间： 2013.9~2014.5
诚 信 声 明
我声明，所呈交的毕业设计作品和论文是本人经过近四年的基础课程与专业课程学习的基础上，在指导老师的指导下，经过几个月集中的毕业设计学习、实践和努力工作所取得的成果。据本人查证，除了文中特别加以标注和致谢的地方外，设计作品和论文中不包含其他人已经发表或撰写过的研究成果。我承诺，设计作品和论文中的所有内容均真实、可信。
学生签名： 签名日期：2014年 月 日
计算机与信息学院
本科毕业论文（设计）选题审批表
计算机与信息学院
（此表为教师填写，内容打印，签名必须手写。学生要保存好该任务书，与开题报告一同上交指导
数据挖掘选题
数据挖掘技术与应用
企业WEB数据挖掘
预测分析
数据挖掘工具
关联规则
空间数据挖掘
分类算法
多媒体数据挖掘
异类
时序模式
文本挖掘
粗糙集
聚类算法
可以从以上方面的方法、算法及已有算法在具体领域中的应用进行选题，但不限于此。
模式识别与机器学习 选题
机器学习的新理论、新技术与新应用
计算学习理论
监督学习
非监督学习
半监督学习
强化学习
多示例学习
神经网络
集成学习
特征选择
流形学习与降维
基于案例的推理
增量学习与在线学习
对复杂结构数据的学习
增强学习系统可理解性
聚类
生物特征识别
进化计算
人工生命
模糊集与粗糙集
模式识别
生物信息学
语音、图像处理与理解
自然语言理解
图像、视频篡改识别
图像、视频版本检测
可以从以上方面的方法、算法及已有算法在具体领域中的应用进行选题，但不限于此。
摘要：当前，我国宏观经济运行的背景发生了深刻的变化，由此带来了诸多风险，这也决定了经济放缓的趋势将不是短期现象与此同时，越是进入经济减速期，寻找经济新的增长点的任务就越迫切。未来一个时期，扩大消费是关键所在。应牢牢把握消费演进规律，引导科学健康消费，并以文化的繁荣推动消费革命，积极培育新的增长点。而且根据国家发改委宏观研究院课题组的研究，未来我国仍具备继续保持经济平稳发展的良好条件，为此，一定要深入认识经济运行中的突出矛盾和问题，继续保持政策的连续性、稳定性，增强政策的前瞻性、针对性和有效性，切实处理好速度、结构、价格之间的关系，保持经济平稳发展。
关键词：宏观经济；调控
一、我国宏观经济形势的外部条件分析
（一）国际环境的不确定性上升世界经济虽然有望保持温和的复苏势头，但世界经济增长中的一些风险性因素也不可忽视。美国虽然在最后时刻达成了提高政府债务上限的协议，避免了债务直接违约，但经历此波折后，市场对美国国债的信心下降，美国国债被评级机构历史性地降低信用等级，对全球金融市场造成冲击，美国债务问题将更加复杂。欧盟主权债务危机仍在发展。日本伞年的经济增长则仍受地震困扰，如果应对不好仍会影响日本的经济复苏进程。
全球经济失衡的背景正在转变，工业和出口增长难以恢复以往速度。长期以来，尤其是美国逐步经历"去工业化"转向"金融服务化"的产业演变过程中，伴随着其长期低利率的宽松政策，导致以负债方式进行过度消费的问题日益严重。但美国并未因此而出现经济崩溃，这主要是由于存在愿意出口给它并愿意为其融资的国家。只不过近几十年来，这些国家由原来的德国和日本，逐步转变为中国。在此基础上，就形成并维系了"一方是消费的积累，一方是生产和出口的积累"这一"山峰之顶"的危险平衡。这一平衡本质上却是全球经济失衡的核心内容之一。
在这一全球经济失衡的背景下，我国逐步明确了出口导向的发展战略，以参与"国际大循环"的方式实现经济的快速增长和赶超。效果是明显的，口贸易量以20%一30%的年均增速增长，由于工业的产业布局更多地瞄准外需，有近一半的工业品服务于出口，工业化进程也得到了突飞猛进的推动。
然而，全球经济失衡的格局正在改变。在经历了2016年"百年不遇"的金融危机之后，经济失衡的矛盾被越来越充分地暴露出来。以美国为首的发达国家，也意识到了调整经济失衡的格局对其长期可持续发展的重要性。这是危机对失衡进行的强制性调整，具体表现为：美国因个人"去债务化"必须要缩减消费，因提高就业水平必须要重拾"再工业化"战略并提出了一轮又一轮形式各异的贸易保护政策。这一背景的变化无疑是深刻的。我国近几十年，工业品生产能力之所以能够急速扩张，并非国内消费力量使然，而主要是建立在全球经济失衡格局下，产品被庞大外需所消化在全球经济失衡逐步调整的大背景下，我国出口将难以继续高速增长，而相应的生产能力则会出现过剩。因此，从这一意义上，我国经济必须要经历一个"去产能化"的过程，而与这一过程相伴的是，工业和经济发展的减速。
（二）世界经济有望继续保持温和复苏自2016年全球金融危机以来，虽然经历了一些起伏，但全球经济温和复苏的态势已基本确立。2016年一季度美国国内生产总值按年率增长0、4%，企业效益指标表现良好，这预示下半年美国经济上行仍有现实基础。欧元区经济复苏整体强于市场预期，一季度，欧元区经济环比增长0、8%，同比增长2、5%。创2016年第三季度以来的最高水平。其中德、法经济增长态势尤其强劲，同比分别增长4皇%和2、2%。总体判断世界经济复苏势头尽管低于预期，复苏的过程也会出现反复，但出现剧烈波动仍属于小概率事件。
这将在总体上为中国经济增长提供较为稳定的外部环境。
二、我国宏观经济的内部条件分析
（一）我国经济增长的内生动力依然较为强劲虽然上半年我国经济出现温和放缓的趋势，但工业化、城镇化、消费结构升级、收入增长等经济增长的支撑力量并没有发生变化，企业发展经济的能动性较强。目前，农业生产形势良好，价格调控总体有效，市场供应得到较好保障，社会需求基本稳定，结构调整积极推进，重点改革继续深化，社会保障体系进一步健全，人民生活水平持续提高。
（二）信贷质量总体风险可控在刺激经济复苏的过程中，我国经济也存在一些风险性因素，其中比较突出的是地方政府融资平台的信贷风险。经济增速放缓过程中，这些风险是否会集中显现，导致经济"硬着陆"，是人们普遍关心的问题。综合现有各方面的情况看，目前我国在这方面的风险是可控的。根据国家审计署的报告，我国地方政府债务余额与国内生产总额和地方政府财力的比率均在国际公认的安全线以内，采取适当的政策措施是完全可以化解的。
（三）房地产"非理性繁荣"的背景正在转变相关产能面临过剩风险。为了遏制房价过快上涨，促进我国房地产市场以及国民经济健康稳定发展，并更好地满足广大人民群众住房需求。近年来我国政府实施了一系列严厉的房地产调控政策，尽管前几轮调控效果并不明显，但白实施"限购"和大规模保障性住房建设以来，房地产市场的"非理性繁荣"在一定程度上得到了遏制，投机性需求正在逐步被"赶出市场"。而且，近期多地出现的"微调"、"放松"政策，均被叫停。在这一背景下，必须清醒地认识到，近年来采矿、钢铁、有色、建材等诸多与房地产相关行业的快速发展是建立在房地产市场"非理性繁荣"的基础上，为了适应这一"繁荣"而形成的巨大产能。这些生产能力，在房地产市场回归理性的过程中，显然存在着大量过剩的风险。目前，这些行业已经出现了明显的"去库存化"特点，然而，未来面临的将是更加痛苦的"去产能化"过程。从这一意义上，房地产业及其相关行业工业生产部门增长的放缓并非短期现象。
（四）土地收入快速膨胀的背景正在转变地方政府融资能力不足将导致投资整体减速或财政风险，固定资产投资是决定经济增长的最核心部分，同时也是引发经济波动的重要原因。从行业的角度看，投资占比最大的行业主要有i大类，即制造业投资、房地产投资和基础设施投资，近年来大行业合计占比持续保持在81%左右。
（五）影响通胀的不利因素仍然较多下半年，我国通胀形势仍面临着国际局势和国际流动性过剩等多方面因素影响，还存在着较大的不确定性，这给宏观政策的操作带来一定难度。
（六）一些地区中小企业经营压力较大今年上半年，主要能源、原材料价格高位波动并向下游传导，企业融资、用工成本增加，部分地区劳动力工资上涨，给企业尤其是中小企业生产经营造成一定困难。
（七）结构调整和节能减排任务依然很重从统计数据看，2016年完成节能减排、淘汰落后产能和遏制产能过剩行业肓目扩张、推进企业兼并重组等结构调整任务，仍任重而道远。
（八）劳动力和资源成本长期处于低水平的背景正在转变，经济发展将面临高成本阻碍风险长期以来，我国经济实现高速增长主要依托于低廉而充裕的劳动力和人为压低的资源要素价格。在这一背景下，形成了大量的劳动密集型产业和"两高一资"产业，这一方面使得我国产业结构长期处于低端链条，另一方面极大地透支了资源环境的承载力。
随着人口结构的逐步变化，劳动力市场现了一些新的情况，2016年、2016年、2016年一直到当前，接连出现劳动力供给紧张的现象，而且出现的频率提高程度扩大。这就意味着廉价劳动力"无限供给"的时代可能已经过去，"刘易斯拐点"即将到来。劳动力出现短缺的原因很复杂，但解决办法恐怕有一条是必须的，即增加工资。劳动力成本在近年来也出现了明显提升，导致了原来布局在东部沿海地区的传统产业，不得不向中部进行转移，这也是我国产业空间布局调整过程中难以避免的过程。
三、对我国宏观经济调控的建议
（一）保持宏观经济政策的连续性和稳定性一方面，要继续加强和改善宏观调控，继续实施积极的财政政策和稳健的货币政策，保持政策的连续性和稳定性。另一方面，针对当前经济运行中的一些新问题、新情况，考虑到政策的滞后效应及全球复苏进程的复杂性和不确定性，宏观经济政策要更有前瞻性、针对性和有效性，要把握好宏观调控的方向、力度和节奏。
（二）综合治理物价过快上涨物价上涨较快仍是当前经济运行中最突出的矛盾和问题之一，必须多管齐下综合治理。要坚持稳健的货币政策，消除通胀的货币条件。要通过扩大财政支出、提高补贴、结构性减税等措施，降低生产流通成本、减轻企业和个人负担、提高对低收人群体的转移支付力度，从而保障供给、缓解物价上涨压力并把通胀的负面影响降至最小。
（三）继续推进经济结构调整和经济发展方式转变要进一步加大落后产能淘汰和节能减排的政策力度。要抓住当前有利时机，加快建立产业退出机制，促进落后生产能力有序退。与此同时，还要着力培育新的增长点，加快重点产业调整和技术改造，进一步加大对战略性新兴产业以及科技含量高、市场需求潜力大的产业和产品的支持力度，尽快形成新的竞争优势。
第2篇：试论多层次、多角度分析欧债危机爆发的原因论文摘要继美国次贷危机之后，2016年末欧洲主权债务危机的爆发，对欧洲经济乃至全球经济带来了巨大冲击。欧债危机不同于以往的经济危机，它是政府信用的危机。这场危机的爆发虽然存在偶然因素，但是仔细分析，就会发现，欧债危机的爆发是必然的。欧债危机是多重原因共同作用的结果。本文先运用宏观经济学理论，分别从经济结构、外部因素、欧元区制度、历史原因、社会福利制度多个层次进行分析，再从马克思一体化理论和货币理论两个全新的视角，尝试剖析欧债危机爆发的原因。
论文关键词欧债危机；宏观经济学；一体化理论；货币化理论
2016年11月希腊新总理上台后，发现上届政府隐瞒了真实的财政状况，惠誉、标准普尔和穆迪等信用评级机构随之下调了希腊政府的主权信用评级。2016年4月，标准普尔将希腊主权信用评级进一步下调至垃圾级别，从而拉开了欧债危机的序幕。此后，葡萄牙、西班牙、爱尔兰、意大利等国的主权信用评级也被相继下调。2016年9月，穆迪调低了法国两家银行的信用评级，欧债危机由欧元区边缘国家向核心国家蔓延，欧洲乃至全球经济都造成了严重影响，市场担忧情绪不断升级。
一、宏观经济角度
（一）欧洲国家经济的结构问题
众所周知，欧债危机始于希腊，接着在葡萄牙、西班牙等国也出现主权信用危机。这些国家自身结构存在问题和经济的失调直接导致了危机的爆发。总体来看，一方面，这些欧洲国家的产业结构不平衡，缺乏“生产性”，即国家的工业基础薄弱，实体经济空心化；另一方面人口结构不平衡，人口老龄化加剧，增加了财政负担。以希腊为例，希腊经济结构脆弱，以旅游业、农业和航运业为支柱产业，过于单一、集中，而制造业基础十分薄弱，电器、汽车和船舶等工业品严重依赖进口，经济对外依存度很高。2016年服务业占GDp比重达52、57%，而工业占GDp的比重仅为14、62%。同时，政府从国外借来的资金主要用于公共福利支出而不是用于发展经济，资金的边际产出很低。低效率的经济运行和增长动力的衰退，终究不能用国家债务来弥补，所以导致了危机的出现，即使是欧元区核心国家也不能幸免。
（二）三大评级公司的不公正评级
从欧债危机爆发到在整个欧元区蔓延的过程中，国际三大评级公司在其中扮演的角色不容忽视。标准普尔、穆迪、惠誉均下调希腊政府的主权信用评级是这次危机的导火线。接着，在发布欧元区诸国偿债高峰危机警示的非常时期，三大评级机构降低其信用等级；在国际社会和欧盟出台了相应救助方案后，受援国家制定改革计划时，三大机构又进一步降低了受援国主权债务的信用等级。联系之前美国次贷危机中三大评级机构的表现，不得不对其评级的公正性产生质疑。因此在欧洲市场上占有重要地位的评级机构的并不公正的评级，加剧了危机的恶化，对危机的升级有推波助澜之嫌。
（三）欧元区内部制度问题
欧元区是指欧洲联盟成员中使用欧盟的统一货币——欧元的国家区域。1999年1月1日，欧盟国家开始实行单一货币欧元和在实行欧元的国家实施统一货币政策。2002年7月，欧元成为欧元区唯一的合法货币。欧元区内部存在着诸多不平衡的问题。
首先，欧元区的成立本身就潜藏着分裂的隐患。欧元货币体系涉及多个欧洲国家的利益。这些国家的经济发展水平、政治结构等存在差异，仅靠欧洲中央银行调控货币政策，缺乏其他行政力量控制，必然会导致利益分配不公。当各国发生利益冲突时，欧元体系自然难以维系。欧债危机的爆发，让世界都看到了这一点。
其次，欧元区缺乏有效的制度或机制遏制国家间的“劫贫济富”的局面。欧元区各国没有独立的货币政策，没有利率自主权，也没有调控汇率的能力。而不同国家有不同的经济地位和不同的利益诉求，采取的统一的汇率相当于各成员国的平均汇率水平。对经济实力强的德国等国家而言，汇率被低估，从而有利于出口；但对经济实力弱的希腊等国家，出口则受到压制。这就会导致“富者愈富，穷者愈穷”的恶性循环，使欧元区内部存在着财富由穷国向富国转移的机制。但因欧元区没有形成一套对冲机制，最终导致欧元区经济不发达国家不堪重负，率先出现问题。
最后，欧元区制度僵硬，实行统一的货币政策和统一的汇率调整，这是欧元区面临的核心问题之一。统一的货币政策难以同时兼顾各国的需求，只能偏向经济发展成熟的德国等国，而使得边缘国家的经济逐步恶化，经济出现高通胀、低增长现象。例如2002年，欧洲中央银行多次降低利率，实施扩张货币政策，使得德国经济增长加速而导致爱尔兰等国原本很高的通货膨胀率进一步升高。
（四）历史原因：希腊从开始加入欧元区时就不满足要求
德国总理默克尔曾指出，“欧债危机并非一夜之间形成的，而是几十年错误积累的结果”。这就是说，欧债危机的爆发是历史原因的积淀所致。关于欧债危机的历史原因，主要包含两点：
其一，希腊等国加入欧元区时潜藏的危机。欧元区成立之初，欧洲各国在短期利益驱使下，通过各种手段修改财政数据，加入欧元货币体系，如希腊2001年希腊为加入欧元区时，使用“货币掉期交易”方式，使账面上的10亿欧元债务暂时消失，留下了10年偿还90亿欧元的债务，为危机埋下伏笔。为维护欧元区经济稳定，减小风险，欧盟《稳定与发展公约》规定：各成员国的财政赤字不得超过本国GDp总量的3%，债务规模不得超过本国GDp总量的60%。但2016年11月，新上任的希腊总理帕潘德里欧宣布，前希腊总理公布的2016年政府赤字占国内生产总值比重应由3、7%上调至12、5%，公共债务占国内生产总值比重上调为113%，均远远高于《稳定与增长公约》规定的比例。
其二，欧债危机是金融危机的后遗症。学术界有大量研究表明：欧债危机与金融危机存在着内在联系。在金融危机中，欧盟实施积极的财政政策，对金融机构实施救援，使得财政预算支出水平和赤字规模大幅上升。而但金融危机的阴霾还未散尽，扩张的财政政策导致的财政赤字已诱发了政府主权债务危机。Reinhart和Rogoff（2016）分析出全球金融危机到欧洲债务危机的传导机制：首先是私人债务的激增导致银行业出现危机，政府为尽快从危机中走出，采取扩张性的财政政策，造成主权债务危机。
（五）高福利增加了财政负担
随着欧洲一体化的深入，加上高福利是各政党竞争上台筹码，一些欧元区的边缘国家在社会福利方面逐渐向德国等核心国家看齐。这些国家并没有敦实的实体经济作为支撑，却要努力维持较高的社会福利水平，政府支出和债务不断加大。当借债的规模不断膨胀，而国家却无力偿还债务时，便产生了主权债务危机。
二、一体化理论角度
从马克思恩格斯的一体化思想出发，欧元区的成立本身就是一种一体化的异化。马克思恩格斯设想的一体化有三个条件：生产发展、制度协调和意识认同。在生产发展方面，最先爆发债务危机的希腊等国，工业基础薄弱，在金融危机刺激下支柱产业也严重萎缩，生产力水平很难适应欧元区的发展水平；在制度方面，欧元区结构特殊，有统一的货币政策和分散的财政政策，同时又缺乏统一的政治联盟作为保障，各个国家的利益争论不断，在没有政治联盟的情况下建立货币联盟，显得本末倒置；在意识认同方面，欧元区各成员国从本国利益考虑，分别设立不同的政策目标，并不存在意识的趋同。因此，欧元区一体化并不满足马克思恩格斯所设想的“生产—制度—意识”三大条件。异化的一体化使得欧债危机爆发后，迅速在欧元区扩散蔓延。
三、货币经济学角度
欧债危机是虚拟性货币时代，政府以实体性货币理论去求解虚拟性货币问题的后果。从历史到现在，各国政府都奉行传统的货币理论——实体性货币理论。但是，从布雷顿森林体系崩溃后，世界各国的货币都进入了虚拟化的时代。如果人们还是按照实体性货币理论去认识经济活动，自然会刻舟求剑。欧洲各国为了使民众免受金融危机冲击下的货币贬值带来的损失，不断地发债，加大各种民生补贴，最终导致政府债台高筑。因此，从货币理论的视角看，欧洲危机的本质是陈旧的货币理论的问题。
第3篇：宏观经济因素对利率期限结构的影响研究摘要：将利率期限结构与宏观经济结合起来是当前金融学和宏观经济学研究的前沿领域之一。本文在讨论利率期限结构的基础上，着重梳理近年来国内外学者关于宏观经济因素对利率期限结构的影响方面取得的丰硕成果，主要体现在加入宏观经济因素的利率期限结构模型，利率期限结构与单一宏观经济变量的关系，以及利率期限结构与宏观经济关联性的研究。最后，本文就宏观因素对利率期限结构的影响研究进行总结分析，并指出未来研究方向。
关键词：利率期限结构；宏观经济因素；贷币政策
一引言
利率期限结构是指在某一时点上，不同期限资金的收益率与到期期限之间的关系，它反映了不同期限的资金供求关系，揭示了市场利率的总体水平和变化方向。随着我国金融市场化改革的推进，金融市场对外开放程度的不断加深等原因，利率作为金融市场上最重要的价格变量及货币当局制定和执行货币政策的主要观测变量，其在金融市场上所起的杠杆功能显得日趋重要。
对于利率期限结构的理解长久以来都是金融家和宏观经济学家研究的主题，但是，二者的研究存在一定的区别。一方面，金融家主要集中在有价证券利率的预测和定价上，并没有指明利率期限结构与其他经济变量之间的关系。另一方面，宏观经济学家专注于理解利率、货币政策和宏观经济基本面的关系，为了了解它们之间的关系，他们往往信赖"预期假说"，而不管其贫乏的实证记录。结合这两条线的研究似乎是富有成效的，因为两种方式都有潜在收益（Hordahl等，20o6）。
因此，本文的目的是通过借鉴国内外学者将利率期限结构与宏观经济进行联合研究的成果，从金融学和宏观经济学的角度审视利率期限结构，以此加强对利率期限结构的理解。本文主要包括加入宏观因素的利率期限结构模型，利率期限结构与单一宏观经济变量的关系，以及利率期限结构与宏观经济关联l生的研究。
二加入宏观经济因素的利率期限结构模型
传统的利率期限结构模型主要是针对期限结构本身的研究，没有考虑宏观经济因素对利率期限结构的影响。随着利率在宏观经济中的重要性日益突显，人们开始重视利率期限结构中包含的宏观经济信息，并尝试将宏观经济变量引入利率期限结构模型，发现在模型中加入宏观经济变量后，对利率变动的解释度显着增强（KozickiTinsley，2001；陈哲，2016）。
（一）国外研究现状泰勒规则和新凯恩斯理论的提出，引发并促进了加入宏观因素的利率期限结构模型，即宏观一金融模型（Macro-financeMode1）的研究。Kocki和Tinsley（2001），Ang和piazzesi（2016）首次在期限结构模型中加入宏观经济变量并证明这样做是合适的。Ang和piazzesi认为宏观经济变量对收益率起到重要的解释作用，这些变量在期限结构模型中能改善其预测效果，在这一开创之作后，宏观一金融模型得到了更多学者的关注并不断被修正和发展。
Hordahl等（2016），Rudebusch和Wu（2016）将期限结构模型追加到新凯恩斯宏观模型中。Hordahl等构造了一项完全基于宏观经济因素的动态期限结构模型，模型包括通货膨胀率、产出缺口和短期利率三个关键的宏观经济变量，考虑了短期利率到宏观经济产出的明确反馈。RudebuschWu的建模与前者类似，他们均在建模过程中将定价核心看做是外生
本文来源：http://www.gbppp.com/jy/406378/
推荐访问:数据挖掘论文题目 数据挖掘论文选题