我国金融机构系统性风险动态监测——基于CCA和动态因子copula模型的研究

本文结合未定权益分析法和动态因子copula模型研究了2008年1月至2016年3月我国金融机构系统性风险。研究结果表明:(1)基于未定权益分析法计算的信用价差指标较好地揭示了单一金融机构违约风险动态变化,次贷危机期间较高,2015年以来再次升高,具体来看,证券公司最高,保险公司和信托公司居中,银行最低。(2)基于动态因子copula模型计算的系统性风险指标较好地反映了我国金融机构系统性风险演进,2009年下半年至2014年底系统性风险较高,样本期间内金融机构在系统重要性上没有显著差异。比较发现单一金融机构违约风险较高,并不意味着系统性风险高,这取决于金融机构间相依结构。因此,加强金融机构宏观审慎监管时,应关注金融机构间相依结构动态变化。

基于混合Copula的CDO定价模型

将广受欢迎的,用于CDO定价的大样本同质投资组合近似方法做了推广,其中涉及到的分布是高斯分布和Variance Gamma分布的混合,即G-VG混合分布.提出了厚尾的G-VG混合Copula模型和带有随机相关性的混合模型.这些模型可以有效的模拟CDO定价中的"相关性微笑"问题.在这些G-VG混合Copula模型中,得到了损失分布函数和期望分券层损失的解析表达式.并且用实际数据做了实证分析,把新模型和高斯模型的结果做了比较.实证表明,新模型的结果不仅与市场报价更贴近,而且为相关性结构带来了更多的灵活性.

中国股票市场流动性与收益率相关分析——基于Copula-GARCH模型的实证研究

股票市场流动性与收益率相关分析对把握股票市场内在运行机制至关重要。文章在借鉴既有研究的基础上,利用因子分析法重新选择构建了我国股票市场多维流动性度量指标,并在验证我国股票市场流动性与收益率非正态分布性的基础上,引入Copula函数构建Copula-GARCH模型对我国股票市场流动性与收益率相关关系进行了实证分析,发现我国股票市场流动性和收益率不存在尾部对称性,牛市时期收益率大幅增加而流动性也同时增强,熊市时期收益率急剧下降而流动性也同时减弱,但是前者同时出现的概率大于后者,这与成熟市场流动性与收益率负相关的流动性溢价理论是不相吻合的。

模糊随机环境下的单因子Gaussian Copula模型

现有的对单因子Gaussian Copula模型中相关系数的各种改进,究其本质在于公司资产间相互关系的不可观测性和所获信息的不完全性——人们无法得到关于资产间相互关系大小的精确估计值,对于这一关键信息各人有着不同的模糊性,即现实中的不确定性既包含随机性又包含模糊性。因此,将随机性和模糊性相结合,用于研究诸如违约相关等问题有着现实需要。提出了一种新的带有模糊性分析的单因子Gaussian Copula模型,给出了带有模糊信息的联合违约概率和违约损失率,并用于综合CDO的定价。利用模糊数和随机性分析,不仅可以考虑更多的违约相关过程中不确定性源泉,更能包含投资者对金融市场中各种模糊性的主观判断信度,拓宽了可能的信用利差的范围。

基于Copula熵理论的大坝渗流统计模型因子优选

针对大坝渗流统计模型需要考虑较多的前期项,造成参选的因子数量较大,进而导致常规方法的建模误差较高的问题,研究引入Copula熵理论,利用Copula熵和偏互信息(partial mutual information,PMI)相结合的方法,对输入因子的选取进行优化。针对Copula熵的求取,Copula函数采用Gumbel函数,分布采用柯西分布代替正态分布,并引入Hample准则来精确选取因子。将该方法在糯扎渡大坝渗流监测中进行应用,并与常规的因子选择方法进行对比分析,结果表明,采用基于Copula熵的因子优化选取方法的渗流统计模型具有更好的预测效果。

基于Copula的京津冀平原作物水分利用效率驱动因子分析

农业是京津冀地区最主要的用水部门,提高农业用水效率有助于缓解京津冀水资源压力,实现可持续发展。基于VIP模型模拟的1980-2013年京津冀平原作物水分利用效率(WUE)、作物净初级生产力(NPP)、作物实际蒸散发(ETa),结合同期年平均气温(Tmean)、年降水量(Pre)和年日照时数(Sun),应用Copula函数理论分别建立WUE与NPP、ETa、Tmean、Pre、Sun的5组联合概率分布函数,计算各驱动因子在低、中、高取值条件下WUE大于任一特定取值的可能性(定义为WUE条件概率),探索WUE的驱动关系。结果表明:1)驱动因子NPP、ETa、Sun取值越大, WUE大于任一特定取值的可能性越大;而驱动因子Tmean和Pre取值越小, WUE大于任一特定取值的可能性越大。2)若以各驱动因子分别在高、低取值条件下的WUE条件概率的差值来反映WUE对各驱动因子大小的敏感程度,WUE对NPP的大小最为敏感,而后依次是Sun、ETa、Pre、Tmean。3)对比不同驱动因子相同取值条件下的WUE条件概率,较低的NPP会明显抑制WUE的大小,提高NPP对WUE的提升有明显的保障作用。综上所述,作物WUE同时受光合作用和蒸腾作用两个生理过程控制,较难确定光合和蒸腾对WUE的驱动关系;WUE与驱动因子的联合概率分布和条件概率分析指出,在京津冀平原可以采用在控制耗水的条件下提高NPP的策略,该策略可能比在控制产量的条件下减少耗水的策略更有效。

基于Copula-RF的混凝土坝变形监测模型

混凝土坝的变形与各种环境量之间存在复杂的非线性映射关系,传统统计模型中预报因子的选择有一定的主观性,且易出现过拟合问题.针对上述问题,本文采用Copula函数对变形影响因子进行非线性相关检验,以确定最优因子集.在此基础上,结合泛化能力强的随机森林(RF)理论,建立了基于Copula-RF的混凝土坝变形监测模型.随后,以某混凝土重力坝为例,根据大坝实测数据验证Copula-RF模型的准确性,通过与基于经典最小二乘回归的混凝土坝变形预测模型分析结果比较,根据均方根误差、平均绝对误差及平均绝对百分比误差等指标评价模型的拟合、预测精度.计算结果表明,相比于采用最小二乘回归的混凝土坝变形预测模型,Copula-RF模型预测精度更高,性能更加稳定,为混凝土坝变形监测提供了一种新方法.

基于Copula熵-随机森林的中长期径流预报研究

预测因子作为中长期预报模型的输入项,是影响预报结果精度的关键要素。为进一步提高预报精度,提出了一种Copula熵与随机森林模型相结合的中长期径流预报方法。该方法首先采用Copula熵指标对预测因子进行筛选,然后将选取的预测因子作为输入项,导入随机森林模型中对月径流进行相应预测。将该方法应用于汉江流域丹江口水库的逐月入库径流预报中,并与相关系数筛选法进行对比。结果表明:基于Copula熵指标筛选出的预测因子对应的模拟结果具有更高的精度,尤其对于汛期而言,其模拟值与实测值的拟合优度显著优于比选方法,说明其筛选出的预测因子具有更好的合理性。

基于CBFS-CV算法的煤层气井压裂效果主控因素识别

准确识别煤层气井压裂效果的主控因素,进而有效指导重复压裂方案优化,是煤层气井提升重复压裂产能的关键。依托研究区块的地质及工程大数据,利用基于Copula互信息的特征选择和交叉验证算法(CBFS-CV)识别影响压裂效果的主控因素,并结合梯度提升回归模型进行产能预测检验,形成了一种改进的煤层气井压裂效果主控因素识别算法。该算法可有效减少冗余性特征且增大相关性,并确定最佳特征数目。结果表明:煤体结构、储层参数(含气量、含气饱和度和临储比)和施工排量参数(最大施工排量)是影响研究区块压裂效果的3个主控因素,通过梯度提升回归模型验证CBFS-CV算法所识别出的主控因素的预测符合率达88%,证明了该算法的有效性。利用结果对该区块典型井进行主控因素分析,采用氮气泡沫解堵方案解决煤体结构差、煤粉堵塞等问题,现场施工后日产气量由288 m^(3)/d增至805 m^(3)/d,压裂效果明显改善。

考虑预报因子选择的神经网络降雨径流模型

为优化神经网络模型的应用效果,研究了基于神经网络的降雨-径流模型,根据Copula熵法确定预报因子,并与传统的线性相关法进行比较分析,采用BP、RBF、GRNN三种神经网络建立降雨-径流模型,应用均方根误差、合格率、确定性系数三个指标为模型选取评价准则。通过对金沙江流域的径流预报,发现基于Copula熵法的BP模型预报结果更接近实测值,精度更高。

资产证券化与银行体系稳定性研究

本文基于美国主要银行资产证券化面板数据的回归模型和单因素联结模型,研究资产证券化对银行个体和系统性风险的影响。研究结果发现,对于银行个体而言,开展资产证券化业务并不会影响其稳定性,而持有证券化资产则会对其稳定性产生不利影响。对于银行系统而言,证券化资产在银行系统内和系统外不同的配置情况将导致不同的风险结果。市场上的过度证券化行为以及由资产证券化引起的银行间收益相关性的上升可能会导致较大的系统性风险。最后,本文基于美国的研究结果对我国银行开展资产证券化业务提出相应的对策建议。

基于PCBN模型盾构下穿既有隧道施工安全风险评价

为更全面准确地评估盾构下穿既有隧道施工过程中的相互作用风险,提出一种基于Pair-Copula贝叶斯(Pair-Copula Bayesian network,PCBN)模型的盾构下穿既有隧道施工风险评价方法。建立一套较为完善的盾构下穿既有隧道施工风险评价体系,将贝叶斯网络模型的不确定推理与Pair-Copula理论对于相关性的处理优势相结合,构建盾构下穿既有隧道施工风险评价PCBN模型,实现风险因素复杂依赖关系精确建模和评价,为盾构近接施工安全分析和管控提供有效方法。依托于武汉某隧道下穿工程进行实例分析,基于所提出的PCBN模型进行风险分析和指标相关性分析,确定工程的施工风险状态以及与施工风险相关性较高的关键风险因素,验证了本研究提出的评价方法的有效性和合理性。

国际原油市场与中国股票市场尾部相关性及突变因素分析

考虑极端市场情况下市场间的相互作用,运用动态Copula模型和多重结构性断点检验对国际原油市场和中国股票市场尾部相关性及其突变因素进行分析。采用上证综合指数和WTI期货收益率数据进行实证,结果表明:Gumbel Copula可以很好地刻画两市上尾相关性,Clayton Copula可以很好地刻画两市下尾相关性。国内股市与原油价格存在同向变动,在次贷危机、欧债危机这些重大金融事件的影响下,这种同向变动特征更加明显。非常态的金融风险确实原油市场与股票市场互动机制脱离经济基础联系而产生放大效应,但是单纯原油市场内部供给性冲击导致的原油价格的变动对我国股市的影响十分有限。

担保债权凭证之评价——多因子模型和KMV模型之探讨

探讨担保债权凭证商品之评价，包含缩减式模型及结构式模型两种研究方法；前者以多因子相关性模型，而後者以KMV模型为方法探讨之主轴。多因子相关性模型中资产的违约分配函数分别假设为指数、韦伯及Burr分配；再分别结合Gauss Copula或t5 Copula函数，估计商品的信用价差。实证分析以台湾“玉山银行债券资产证券化特殊目的信托2005—1受益证券”为例。实证研究结果发现，指数分配之信用价差估计值偏大，Burr分配估计值最小；t5 Copula函数之信用价差估计值都较Gauss Copula函数之估计值大。此外，将数据作适当调整後应用KMV模型之信用价差估计值比多因子相关性模型之估计值大。

基于高斯Copula贝叶斯模型的盾构下穿既有隧道施工风险的分析

为对盾构下穿既有隧道施工工程安全风险进行分析和管控,提出一种基于高斯Copula贝叶斯(GCBN)模型的盾构下穿既有隧道施工风险分析方法。基于故障树建立了一套包括12个因素的施工安全风险指标体系,将贝叶斯网络的动态推理诊断与Copula理论的依赖性表达相结合,在不确定和不完全信息下构建盾构下穿既有隧道施工风险分析的GCBN模型。以武汉轨道交通12号线下穿既有7号线工程为例,利用高斯Copula识别各因素边际分布类型,计算各因素间相关系数并连接网络中结点。通过模型推理进行定性和定量分析,识别盾构下穿施工安全风险状态,分析各致险因素对风险结果的影响。最后,对敏感性高的因素采取措施进行防控。通过防控前、后模型计算结果对比,实现盾构下穿施工过程实时动态安全预警管控。实践表明:GCBN模型预测结果与专家评价结果吻合,验证了所构建GCBN风险分析模型的可靠性。

基于动态因子Copula模型的行业间系统性风险分析

国际金融市场间的相关关系以及系统性风险受到很多学者的重视,本文则以我国股市的行业指数作为研究对象进行实证研究。通过构建动态因子Copula模型,文章对行业的日收益率数据进行了动态相关性分析,并基于风险预期占比度量了我国行业之间系统性风险的溢出效应。本文分析了2006年1月4日至2016年7月1日的28个行业指数数据,基于GAS动态负荷因子的变化路径来刻画其相关关系,通过风险预期占比来研究行业间的风险溢出效应。研究表明,各个行业指数收益率之间存在较强的关联性。就单个行业来说,化工行业与其他行业关系最为不稳定。就金融与非金融行业而言,金融行业对非金融行业的影响较大且较为平稳。本文所得研究结果可以为投资者和风险管理者在进行决策时提供一定的指导。

基于Frank-Copula贝叶斯估计的系统性风险对样本标度的敏感性分析

研究表明数据样本标度的选取对系统性风险估计结果具有直接影响,本文基于150只A股样本数据构建25组投资组合,通过Copula贝叶斯估计方法获得系统风险β与投资标度比λ无信息先验的联合后验分布,对系统风险β与投资标度比λ的影响效应进行了分析。研究表明,样本标度对我国A股市场的系统性风险值估计存在误差性影响,且该影响随着公司规模的增加而不断上升,即样本标度的选取对于大额机构投资者影响较大,但数据对于账面市值比不敏感。以月度数据为基础数据,我国市场系统性风险值与样本标度比存在弱负相关关系,相比较以机构投资者占据资本市场主流的美国数据,我国市场真实投资标度存在明显差异。

Copula函数在多因子模型系数估计中的应用

主要研究用多因子模型刻画金融资产收益率时,因子载荷系数的合理估计问题.以因子系数的金融意义为出发点,并结合Copula的相关理论,提出了一种新的因子系数估计方法.新方法用Copula函数描述各个因子与金融资产收益所服从的联合分布;从因子系数的正负及其发生的概率,金融资产收益率随因子波动的大小两方面来估计因子系数的值.在此基础上,对因子系数新的估计公式做了进一步调整,强调了尾部相关性对因子系数取值的影响.基于中国证券市场的交易数据,对不同估计方法进行了实证研究.通过分别计算统计量R-square的值,随机误差项的均方偏差,尾部均方偏差以及投资组合的在险价值与条件在险价值等方法,实际论证了文中所提新的因子系数估计的改进方法优于因子系数估计的新的Copula方法,而后者又明显好于传统的线性回归方法.

资源性产品国际价格影响因素的实证研究——以原油市场为例

资源性产品价格近10年来不断上涨起伏,中国作为资源消费大国却没有与之匹配的定价权。本文旨在剖析资源价格巨幅震荡的原因,探明关键因素及其作用机理,为中国有效参与资源国际价格形成提供依据。本文利用多元回归方法和Copula-GARCH建模,筛选出7个关键因素,分析各因素对原油现价的影响,并特别关注极端事件下的协同效应。研究发现,非商业投机操作成为资源价格波动的主导因素;资源供给的波动引起的价格变化大于需求因素;计价货币汇率变动起到明显的推手作用;战略储备的增加抵减了商业库存的总体调节效果。实证结果显示市场因素对资源价格的影响程度及拟合效果均优于基本面因素。

基于混合分布单因子模型的CDO定价问题

本文讨论了基于混合分布单因子模型的CDO定价问题,在所研究的CDO抵押资产组合中,描述资产价值的市场共同因子和异质因子均服从标准高斯和NIG的混合分布,且相关系数为随机相关系数.通过半解析法给出了CDO分券层的公允价格公式,并利用傅里叶变换及其逆变换,得出了贝努利相关和三状态相关两种随机相关系数的情形下累积损失概率分布的求解方法.