金融工程专业论文常用模型

金融工程专业论文的模型会影响论文结果的解释效果、研究的工作量、研究合理程度等，对论文关系重大，合理选择模型是论文研究的必要前置条件。

金融工程专业论文常用模型

金融工程专业论文的常用模型依据数据类型的不同有不同的模型选择。

一、线性数据类型时

线性数据类型时通常采用最小二乘法回归模型（OLS），其基本公式如下：

其中y是被解释变量，X是解释变量，是常数项，是控制变量。这一模型是经典OLS模型类型，在具体的研究中通常会将该模型进行变种，以适应具体的研究情况。下面进行举例：

（1）在现金与现金流的关系探讨中，会需要用到现金—现金流模型，如下所示：

式中变量包括长期资本金开支、流动资产净额变化、短期负债变化等；ηi和λt分别为反映个体效应和时间效应的虚拟变量，εit是误差项；i代表样本企业个体，t代表年份。

（2）在要素投入与金融素养的关系研究中，会用到模型：

式中：Y为金融发展，、……为全要素投入的相关变量，为常数项，、……为变量系数，为误差项。

（3）在金融素养与家庭收入关系的研究中，会用到金融素养模型，如下所示：

式中，被解释变量Income为家庭收入，表示金融素养评分。表示控制变量，表示随机干扰项。

简单的OLS模型分析流程如下所示：

OLS模型分析流程

上述模型尽管变化复杂，但都是OLS模型的变种，采用可测量变量进行替换构建。线性数据类型时有时还会涉及到岭回归、分层回归等其他回归形式，但整体用处较少，此处不过多叙述。

二、面板数据类型时

面板数据更加复杂、丰富，在国家级的金融分析中通常采用面板数据。面板数据分析有回归和向量自回归两种途径。

（1）回归模型

面板数据的回归模型包括固定效应模型、随机效应模型、混合效应模型等三种。混合效应模型是OLS模型的面板化版本，其有更大的样本量。固定效应模型和随机效应模型的差别在于固定效应模型认为个体特征变量属于解释变量，随机效应模型则将个体特征变量考虑到随机误差项中。

三种模型之间的差异较为专业，通常的论文写作中如果没有硬性要求，可直接采用固定效应模型。

（2）向量自回归模型

向量自回归（VAR）模型是一种用来估计联合内生变量的动态关系，而不带有任何事先约束条件的模型。VAR模型需要进行时间序列分析，其通常研究过程如下：

VAR模型分析流程

金融工程专业模型是一个包含甚广的领域，在论文写作中一般只有OLS模型、VAR模型以及FEM模型等三种，学生再根据自身论文的数据情况，是否检验内生变量等进行综合判断，选择模型。