中国内地股票市场板块泡沫存在特征与传染机制——基于GSADF检验法与R-Vine Copula模型

面对国内宏观经济下行压力和金融市场超预期等多因素挑战,我国内地股票市场易产生周期性泡沫与金融系统性风险问题。本文基于2011年9月至2023年7月我国部分股指数据,对可能存在的周期性泡沫进行存在性检验,探讨泡沫存在特征与泡沫期起止时间。构建R-Vine Copula模型识别风险传染的核心股指,建立条件结构探究传染相关性与传染机制。研究表明,样本期内股指序列均存在泡沫,情绪循环性和市场联动性是主板市场的股指泡沫的主要特征,创业板泡沫具有季节性和创新关联性。面对信息不对称挤压和羊群杀跌行为,要素之间的局部相互作用使泡沫的形成机制具有自组织性。进一步研究表明,股指风险传播强度在溢出效应影响下与连接层级成反比,呈现出动态相关性和非对称性属性。本文揭示了我国内地股票市场周期性泡沫的存在特征、形成机制和风险传播机理,为促进股票市场健康发展、构建风险监测与防范机制和探索资本市场服务实体经济效能提供了理论依据与经验支撑。

基于LASSO回归的R-vine copula模型构建及其在化工过程故障检测中的应用

Vine copula模型在描述高维数据间的非线性、非高斯特性相依关系问题上提供了一种新的思路,在化工过程建模领域受到越来越多关注。笔者将LASSO(least absolute shrinkage and selection operator)回归引入R-vine copula(LASSO-R-vine copula,LRVC),根据变量间联系的强弱程度确定变量在R-vine矩阵中的位置,利用回归分析正则化路径选择R-vine copula矩阵结构,遵循R-vine矩阵构建规则和回归过程确定R-vine结构矩阵模型,以获得一个与变量独立性有关的稀疏矩阵模型。该方法构建的矩阵结构独立于copula函数类型和参数,在处理高维度复杂工业过程数据时,利用稀疏模型和惩罚力度简化copula函数类型选择过程,缩短了建模时间,使统计建模具有更强的灵活性。该方法在TE(Tennessee Eastman)和醋酸脱水过程故障监测中表现出较好的预测效果,证明了提出的方法在非线性、非高斯过程的有效性。

基于R-Vine Copula模型的国际原油与国际股市间的风险传染效应研究

【目的/意义】为捕捉国际原油与国际股市之间的整体联动关系,判断油价暴跌期间的市场走向,提高投资者的能源意识和国家的能源安全及金融安全管理水平。【设计/方法】借助R-Vine Copula模型对国际原油及国际股市之间的复杂相依结构进行刻画。【结论/发现】研究表明在油价暴跌期间,印度、韩国和俄罗斯等国家最先受到波及。此外,受油价波动影响,不同国家股市之间存在不同程度的风险外溢情况,使得原油波动的影响范围进一步扩大。相较于原油进口国,油价波动对原油出口国的冲击会更强一些。

沪深300行业的相依结构突变性分析——基于动态R-Vine Copula

本文结合滚动窗口技术构建高维动态R-Vine Copula模型,通过识别动态R-Vine Copula模型的结构突变点来判断高维变量间相依结构的动态变化,以此研究沪深300的10个一级行业在2015年至2022年的相依结构突变性。实证结果表明:2015年至2022年行业间的相依结构在2018年1月与2019年12月发生结构突变,将整体划分为3个突变区间,两次突变发生的原因受中美贸易战与新冠疫情影响的可能较大;三个突变区间内,沪深300行业间相依结构有较大变化,行业中心点由工业与可选消费转移至工业,再转移至可选消费;突变区间1内行业间多呈上下尾不对称的相依结构,而突变区间2内行业间大多表现出上下尾对称的相依结构,同时相依性有所增大,突变区间3内行业间多呈上下尾不对称的相依结构,且相依性有所降低。此外,新冠疫情期间沪深300行业投资组合的风险价值(VaR)与期望损失(ES)的绝对值相较于疫情前有所增大,但随着疫情影响的减弱,行业投资组合VaR与ES的值在2021年6月逐渐趋于与突变点前一致。

基于R-Vine Copula函数的极端降水联合分布模型及风险识别

在边缘分布函数优选的基础上,采用条件Copula函数和Vine图结构,构建基于R-Vine Copula函数的极端降水联合分布模型,以河南省4个气象站的实测数据进行模型验证和对比分析,并对极端降水指标进行了风险识别。结果表明:构建的模型可以描述变量之间的不同尾部特征,保持原序列Kendall和Spearman相关系数等统计特征,整体精度优于基于C-Vine Copula函数构建的极端降水联合分布模型;河南省年降水量与降水强度、最大1 d降水量与最大5 d降水量的概率分布密切相关,各指标对联合概率密度的影响程度呈现出空间异质性。

R-vine copula在中国碳市场中的风险溢出效应研究

为应对气候变化,越来越多的国家和地区采取碳排放权交易的方式来达到减排二氧化碳的目的。中国建立区域排放交易机制是一种新的探索性实践。为促进中国碳市场的成长和成熟,与国际碳市场融合,对碳市场风险进行测量,并研究了市场之间的风险溢出效应,为碳市场的政策制定提供了理论参考。构建ARMA-GARCH(1,1)模型在偏t、GED等分布下,对中国5个试点碳市场的CO_(2)排放配额现货价格进行建模。VaR和CVaR用来测量上海、北京、湖北、广东、深圳碳市场的风险。R-vine copula-CoVaR用来探索中国碳市场的风险溢出效应。研究结果表明风险溢出效应只存在于深圳与上海、北京与上海、湖北与广东碳市场之间,其中深圳到上海、湖北到广东均为单向风险溢出效应,北京与上海为双向风险溢出效应。

基于R-vine Copula的金融市场系统性风险测度

近年来,以股市为代表的各国金融市场的系统性暴涨暴跌给实体经济的稳定发展带来了众多的不确定因素。正因如此,需对股票市场极端条件下波动的系统联动性与条件分散效应进行研究。文章首先构建极值R-vine Copula模型,分析了全球六大股票市场的风险相依关系及分散效应。在此基础上,构建出资产组合的VaR模型,测试样本之外的极端风险,并通过Kupiec回溯检验方法,验证了模型的有效性。研究结果表明:结合EVT极值理论的R-vine Copula模型能够有效地描述各国股票市场间的尾部极值系统性风险相依关系,取得了更好的全球股票市场系统性风险关联与测度效果,英国富时100指数起到了系统性风险的连接作用。通过Vine Copula结构分解进一步分析发现,欧美地区的系统性风险相对亚洲地区更难被分散。

基于动态R-Vine Copula的银行股指投资组合及风险度量研究

金融资产价格之间的波动往往具有结构相依性。为了研究银行股指数据间这种复杂关系,能够进一步准确度量金融风险,本文以我国六大银行股指数据为研究对象,利用ARMA-GJR-SkT模型作为单一资产序列的边缘分布,以灵活的R-Vine Copula模型为基础,联合构建投资组合模型。通过滚动时间窗口的Monte Carlo技术及MST-PRIM算法确定各类模型的RVM结构,在此基础上结合逆变换法仿真模拟收益率序列,并利用模拟收益率进一步计算VaR与CVaR,最后经返回值检验法对模型进行验证。结果表明:建立最优的投资组合模型是精准度量金融风险的关键;在风险度量时,相同的置信水平下,CVaR模型比VaR模型更可靠。置信水平不等时,其值增大的同时,失败天数会减小。

基于高频波动率模型与R-vine copula的行业资产组合风险测度研究

相较于低频波动率模型,高频波动率模型在单资产的波动和风险预测中均取得了更好效果,因此如何将高频波动率模型引入组合风险分析具有重要的理论和现实意义。本文以沪深300指数中的6种行业高频数据为例,运用滚动时间窗技术建立9类已实现波动率异质自回归(HAR-RV-type)模型刻画行业指数波动,同时使用R-vine copula模型描述行业资产间相依结构,进一步结合均值-CVaR模型优化行业资产组合投资比例,构建组合风险的预期损失模型,并通过返回测试比较不同风险模型的精度差异。研究结果表明:将HAR族高频波动率模型引入组合风险分析框架,能够有效预测行业资产组合风险状况;高频波动率预测的准确性将进而影响组合风险测度效果,跳跃、符号跳跃变差以及符号正向、负向跳跃变差均有助于提高行业组合风险的预测精度。

R-vine copula模型与PCBN模型的比较

文章对比了两类刻画高维变量相依结构模型——R-vine copula模型和PCBN模型,并将其应用于国民经济九大行业信用风险相依结构分析,结果表明,与R-vine copula模型相比,PCBN模型能更好地兼顾模型的准确性和简洁性目标。通过PCBN模型可以发现:国民经济整个系统内行业间存在条件独立关系,其中七个行业构成的子系统是整个系统内风险传染的关键媒介,而在子系统内部,水电燃气、批发零售、信息软件及金融业是信用风险传染的关键媒介。

基于R-Vine Copula的多维混合型数据控制图设计

多维混合型数据监测问题一直是质量控制和质量管理中的重点和难点。混合型数据包括名义型、顺序型和数值型3种类型。传统的多变量控制图往往只考虑数值型的数据,在应用中存在一定的局限性。同时,在实际场景中,各类变量之间往往存在一定的相关性,这也是在传统控制图中容易被忽略的关键点。本文通过引入Copula-Vine模型,充分利用了顺序型变量的秩相关性,建立了一种新的基于R-Vine Copula的混合型数据控制图(R-Vine Copula control chart, RVC)。通过算例比较,验证了该控制图相对于现有模型在混合型数据监测方面更强的灵活性和有效性。

基于核密度估计的R-Vine Copula选择及其在故障检测中的应用?

在化工过程监控领域,Vine Copula模型为描述高维复杂变量之间相依关系提供了一种新的思想,在不降维的基础上直接刻画变量之间复杂的相关关系。传统的Copula函数模型选择方法是基于赤池信息准则(Akaikeinformation criterion,AIC),但是在利用AIC准则时不仅要计算Copula的密度函数,而且边缘分布的拟合效果也直接影响了AIC的取值。本文提出了基于核密度估计的R-Vine Copula (kernel estimation-based R-vine Copula, KRVC)选择方法,并将其应用在化工过程监控领域。通过核密度选择原理得到R-Vine模型,然后利用高密度区域(HDR)与密度分位数表等理论,构建非高斯态广义局部概率指标(GLP)。该方法在TE(TennesseeEastman)过程中以及醋酸脱水过程中的应用验证了KRVC方法在过程监控中的良好性能。

基于R-vine Copula理论的改进朴素贝叶斯分类器

朴素贝叶斯分类方法在分类时,基于属性之间的独立性假设影响了其分类性能。基于此在R-vine Copula理论的基础上,利用一系列Pair Copula函数和核密度函数的乘积来构造属性的类条件概率密度函数,并通过AIC准则选取最合适的Pair Copula函数,用极大似然估计法确定其参数。实验结果表明,改进的分类器提高了分类的准确率,避免了因属性相关导致的分类效果的偏差。

我国金融行业间系统性风险外溢效应研究——基于R-vine Copula方法

在Copula理论基础上,构建GJR-GARCH-Copula模型,并采用R-vine结构,利用我国内地上市的30家金融机构的股票数据,分别求得金融行业中银行、证券、保险和信托4个子行业的联合概率分布,对4个子行业间的系统性风险外溢效应进行测度。研究结果显示:相比广泛使用的C-vine和D-vine结构,R-vine具有更好的拟合效果,可以更灵活地表现出金融机构间的关联性;银行、证券、保险以及信托业之间都存在明显的非对称性风险传递,其中银行业对其他3个行业造成的影响最大,是金融风险的最大来源。最后,提出了关于控制系统性风险、防范风险外溢的几点建议。

基于R-Vine Copula的财险业务保险风险经济资本测量

经济资本管理是保险公司内部进行风险控制的有效方法。以某财险公司2005—2020年的五条业务线的赔付率作为保险风险的风险因子,用核密度方法刻画边缘分布,分别计量了业务线独立情景、多元Copula和Vine Copula模型下的VaR和TVaR,进而得到防范业务线非预期风险所需要持有的经济资本和相关的分散化收益,并从理论上对比了经济资本与“偿二代”最低资本的测算方法。结果表明:多维变量的建模中,Vine Copula很好地展示了Copula的风险聚合和收益分散效应,大大降低了财险公司为应对保险风险所需持有的财务资源,为财险公司在业务管理和风险管理方面提供了新的思路,同时为最低资本的测算方法从风险度量模型、风险因子选择、相依结构确定和相关系数的改进提供了一定的参考价值。

基于R-Vine Copula的财险公司经济资本度量与分散化效益研究

经济资本在保险公司内部风险管理和资本配置等方面发挥着至关重要的作用,它能够准确地反映保险公司所面临的风险状况,并为风险的有效管理与资本的合理配置提供重要依据。本文以财险公司的经济资本为研究对象,在传统资产负债模型的框架下,通过R-Vine Copula风险聚合方法对资产和负债进行联合建模,进而计算经济资本并分析相应的分散化效益,并与监管方法进行比较。研究结果表明财险公司的资产和负债存在复杂的依赖关系,利用Vine结构可以更加全面、精确地描述这两者之间的非对称和非线性相关性,同时拟合数据的尾部特征,进而获得更为稳健的净资本估计量,以及更为真实的经济资本需求和相应的分散效益。相较于偿付能力规则下的线性聚合方法,R-Vine Copula风险聚合方法能充分利用资产变量和负债变量之间的相关性信息,适宜用作计算经济资本的内部模型。该模型以风险为导向,为研究资产和负债的联动关系提供一个新的方法,可以帮助财险公司更好地管理风险,并提升整体业务的稳定性和可持续发展能力。

基于R-VineCopula函数研究内蒙古呼和浩特大气污染物相关性

PM2.5、PM10、SO2、CO、NO2和O3这6种主要大气污染物严重影响了空气质量,为了探究其日均质量浓度之间的相关性,利用R-VineCopula函数研究呼和浩特市2014—2021年6种大气污染物。首先对6种污染物的日均质量浓度进行统计分析,选取4种双参数分布函数拟合其边缘分布,然后从中选出每种污染物的最优分布。基于此最优边缘分布,用R-VineCopula函数对污染物进行相关性分析。结果表明:呼和浩特市不同大气污染物日均质量浓度之间的相关性较高,联合分布的R-Vine Copula模型能较好地刻画这种相依关系。构成Vine结构的Pair-Copula函数不同,说明两两不同浓度间的关联性有差异,R-VineCopula结构能够很好地捕获这种关联差异性。

基于多维Copula函数的澜沧江-湄公河流域气象干旱特征分析

为全面揭示变化环境下澜湄流域多维气象干旱特征,采用标准化降水蒸散指数SPEI表征流域气象干旱,基于游程理论分别提取澜沧江段和湄公河段上、中、下游流域1901—1960年和1961—2021年两个时段的干旱事件,利用Copula函数分别构建两个时段不同子流域二维和三维干旱特征变量联合分布,计算不同干旱特征变量组合条件下的干旱联合发生概率,对比分析不同子流域多维气象干旱特征的时空变化。结果表明:时间上,1961—2021年各子流域平均干旱程度均较1901—1960年更严峻,尤其是极端干旱事件(单变量累积频率为25%、50%)的多维干旱联合发生概率增幅最大;空间上,1961—2021年,随着干旱历时、烈度和烈度峰值的增加,“或”情况下多维干旱联合发生概率最高值区自北向南转移,“且”情况下多维干旱联合发生概率最高值区自南向北转移。

基于Copula函数的水闸变形实时风险率量化模型

变形监测数据实时反映了水闸结构性态及所受荷载的特性,若能根据水闸变形监测资料确定其失效风险概率,将得到更可靠的结果。将原位监测资料融入水闸失效概率分析中,提出一种基于Copula函数的水闸变形实时风险率量化模型,在考虑水闸各部位监测效应量差异性与关联性的基础上,将单测点变形风险率提升为多测点变形风险率,进而实现水闸整体变形风险率的实时量化分析。实例分析表明,模型实现了水闸变形实测效应量与风险率的动态转化,对水闸变形实时风险率进行了整体分析;所得结果符合水闸整体变形风险率变化的基本规律和客观事实,可有效解读工程监测信息和直观反映工程运行性状,可为水闸工程的运行管理和安全监控提供理论依据与技术支撑。

Copula模型的改进及其应用

Copula模型能精确计算投资组合尾部风险,弥补Person相关系数的不足。文章基于信用风险Cop⁃ula模型,探讨了不同抽样算法在信贷投资组合中的应用问题,优化重要性抽样和交叉熵算法,测试了高斯及t-Copula模型的风险计算算法,并通过数值模拟予以检验,结果表明:朴素蒙特卡罗模拟的精度和效率较低;重要性抽样算法通过解析逼近显著降低计算方差,提高精度,但求解复杂且耗时;交叉熵算法同样有效,但需自适应算法求解优化问题。算例分析结果表明,基于不同场景选择Copula模型,可提高信贷投资组合风险计算精度和效率。