单个期货合约市场风险VaR-GARCH评估模型及其应用研究

以单个期货合约每一交易日的涨跌率反映期货合约市场风险,借助V aR风险价值法,运用广义自回归条件异方差(GARCH)模型,建立了V aR-GARCH单个期货合约市场风险评估模型,解决了单个期货合约每一交易日最大损失的确定问题.该模型的特点为借助GARCH方法预测条件异方差,充分体现了期货合约价格的聚集效应、厚尾效应和时变方差效应,使V aR估计更加精准;对V aR的置信区间进行2χ检验,从实证的角度得到合理精准的V aR值;可以依据本模型确定期货保证金的数量,为交易所制定更合理的单个期货合约保证金收取水平提供依据.

基于GARCH-EWMA的期货价格预测模型

在EWMA和GARCH模型思想的基础上,提出基于GARCH-EWMA的期货价格预测模型,为期货市场合约价格的预测提供新的预测方法.本模型的特点一是GARCH模型对EWMA模型中的关键参数———衰减因子进行测定,解决以往使用EWMA模型时没有一个科学的确定衰减因子的方法.二是通过分别对大豆和豆粕期货合约的衰减因子进行确定,发现不同品种不同时间的衰减因子显著不同,因此,对于不同商品有区别地采用相应的衰减因子;解决以往预测模型对不同期货商品的预测均采用同一模型的问题.

基于GARCH-分形布朗运动模型的碳期权定价研究

文章将广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)模型和分形布朗运动结合引入碳金融期权定价研究中。通过对欧洲碳排放配额(European Union Allowance,EUA)期货收盘价的样本数据检验,发现其存在尖峰厚尾、条件异方差性和分形特征;采用GARCH模型拟合并预测碳价收益率波动率;将预测的波动率作为输入值代入分形布朗运动期权定价方法,运用蒙特卡罗模拟对EUA期货期权进行定价,并与B-S期权定价法(Black-Scholes Option Pricing Model)比较。结果表明,基于GARCH分形布朗运动模型的碳期权定价法预测精度有显著提高。

基于GARCH-EWMA原理的期货交易保证金随动调整模型

在EWMA模型和GARCH模型思想的基础上,结合SPAN系统的思想,以保证金在期货交易中可以弥补最大损失额和保证交易的正常进行等作用为考虑因素,运用数理统计和VaR等风险管理方法,建立了保证金随动调整模型。在满足给定风险系数和置信水平的前提下,制定合理的保证金的收取比例,为期货交易的保证金水平的确定提供了新的计算方法。本模型的特点一是利用GARCH模型对EWMA模型中的关键参数-衰减因子进行测定,解决了以往使用EWMA模型时,对该参数人为赋值而导致模型人为因素过强的问题。二是在模型中引入波动函数,用来确定随时点t而不断变化的波动系数值。并采用大量的历史数据对大豆、豆粕两种期货品种的波动函数进行线性拟合,得到时点t与波动系数之间的连续线性函数,以代替以往波动系数与时点t之间所采用的极为粗糙的分段函数,从而大大提高了模型的灵敏性。三是采用近4500个合约价格的历史数据,对大豆和豆粕两种期货合约价格的涨跌停情况进行统计分析,得到这两类期货品种的涨跌停情况的概率分布。并分别考虑各种可能发生的情况综合计算最终单位保证金,使得保证金的计算更具全面性。

基于非参数GARCH模型的电价预测

基于非参数条件异方差估计理论,提出了一种改进的电价曲线预测方法。文中从实际电价曲线出发,针对条件方差函数建模,并采用非参数估计方法确定其模型。另外,在非参数估计中,针对条件标准差不可测困难,引入了迭代估计算法,通过不断修正作为输入量的条件标准差估计值来提高条件方差函数的估计可信度。在研究加州电力市场2000年日前电价时间序列波动特性的基础上,对Humb节点的日前电价时间序列进行建模并模拟预测。试验结果表明,文中所提模型能够更好地体现电价时间序列波动集群性这一特征,利用非参数估计所确定的模型提升了尖峰电价的预测效果。

基于Kalman-GARCH模型的结构损伤识别

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础。为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法。采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证。结果表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2%。该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路。

基于两重门限GARCH模型的短期负荷预测

针对负荷时间序列的非线性和波动性特征,在研究负荷时间序列波动性门限特征的基础上,引入冲量门限的概念,提出了一种基于两重门限GARCH模型的短期负荷预测新方法.利用条件极大似然估计方法,估计了模型参数.同时,考虑到负荷时间序列波动的厚尾效应,将模型推广为服从非高斯分布假设下的情形,建立了2种基于厚尾假设的两重门限GARCH类负荷预测模型.利用所提出的混合信息冲击曲面,分析了不同性质的冲击和冲量对负荷时间序列波动性的影响.实际算例基于南京地区日用电量数据进行了短期负荷预测,验证了模型及方法的可行性和有效性.算例结果表明,服从广义误差分布的两重门限GARCH模型预测效果满意.

基于ARIMA-GARCH模型的城市主干道行程时间时变置信区间预测(英文)

为了提高行程时间预测的可靠性,构建了自回归综合移动平均与广义自回归条件异方差性(ARIMAGARCH)模型进行城市主干道行程时间动态置信区间预测,其中ARIMA模型作为GARCH模型的均值方程用于捕获行程时间均值,GARCH模型用于捕获行程时间条件方差.运用昆山市交通监测系统中采集的实际交通流数据进行验证和评估.结果表明,相较于传统的ARIMA模型,提出的方法虽然不能显著提升行程时间均值的预测性能,但是在行程时间波动性预测方面具有较大的优势.该方法可捕获行程时间异方差,从而能够预测出比ARIMA模型预测的固定置信区间更能反映行程时间观测值波动性的动态置信区间.

GARCH非线性时间序列模型的网络流量预测

网络流量预测在拥塞控制、网络管理与诊断、路由器设计等领域都具有重要意义。根据当今网络流量的特点,传统的ARMA模型在描述网络流量数据特性时有一定的局限性,从而影响网络流量预测的精度。针对这个问题,研究了使用广义自回归条件异方差模型(GARCH)对网络流量数据进行建模的方法,通过仿真实验表明,该模型可以较好地描述网络流量数据的异方差性,同时其预测精度较之传统的ARMA模型的预测精度也得到了大幅提升。

基于不同分布下GARCH-M族模型的短期用户负荷预测

电力负荷预测是电力系统研究的基础工作之一,而时间序列分析法是目前使用最广泛的预测方法。针对用户日度负荷时间序列存在的波动性及尖峰厚尾特征,文中提出利用均值广义自回归条件异方差(GARCH-M)族模型进行用户负荷预测。首先根据用户日度负荷时间序列的分布情况,利用拉格朗日乘数(LM)检验方法检验了负荷序列的自回归条件异方差(ARCH)效应;其次提出在高斯分布、t分布和广义误差分布(GED)3种不同分布下,根据波动补偿项的不同形式,建立GARCH-M族模型;最后结合损失函数进行预测分析,结果表明相比传统时间序列分析模型,在不同分布下的GARCH-M族模型提高了短期用户负荷预测准确度。

基于小波分析与广义自回归条件异方差模型的短期电价预测

由于电价波动具有非线性及波动集群现象,因此提出了一种基于小波分析和广义自回归条件异方差模型相结合的短期电价预测新方法。首先应用小波分解原理将电价序列分解成低频部分和高频部分,在此基础上对各子序列分别建立广义自回归条件异方差模型并进行预测;然后利用小波理论对各子序列的预测结果进行重构,实现对原始电价序列的预测;最后以美国加州电力市场历史数据为例进行了验证,结果表明本文方法是可行和有效的。

基于厚尾均值广义自回归条件异方差族模型的短期风电功率预测

风电功率预测准确度的提高对提高电力系统调度效率具有重要的作用。基于对风电功率时间序列波动性的研究,推广了一种厚尾均值广义自回归条件异方差(GARCH-M)族短期风电功率预测模型,同时,基于波动补偿项的不同形式,将模型拓展为多种类型的厚尾GARCH-M模型。该类模型能够捕捉风电功率时间序列波动性与其条件均值的直接关系,并能够有效刻画具有高峰度特征的实际风电功率序列的厚尾效应,使风电预测准确度提高。结合江苏地区风电场风电功率实际数据,对所提厚尾GARCH-M模型进行了参数估计,论证了存在于风电时间序列中的GARCH-M效应和厚尾效应,给出了风电功率均值和条件方差的预测方案。算例分析结果验证了所提方法的可行性和有效性,表明了考虑厚尾特征的GARCH-M族模型短期预测效果满意。

基于加权双高斯分布的广义自回归条件异方差边际电价预测模型

研究电力市场系统边际电价(system marginal price,SMP)条件方差的变化规律及残差的统计分布特征,据此引入广义自回归条件异方差(generalized auto-regressive conditional heteroskedasticity,GARCH)模型,并建立了基于加权双高斯(weighed double Gaussian,WDG)分布假设的GARCH模型(GARCH-WDG)对系统边际电价的变化规律进行研究。美国PJM市场和澳大利亚NSW市场的实际数据表明,GARCH模型对电价的估计和预测均有良好的效果,GARCH-WDG模型则进一步改善了GARCH模型的性能。

远期运费协议与粮食期货市场的波动溢出关系

从金融视角出发,探究远期运费协议和粮食期货市场之间的波动溢出关系.粮食作为世界三大干散货类型之一,具备相当成熟的期货交易市场,故选取远期运费协议(forward freight agreement,FFA)和巴拿马(Panamax)型船主要运载的粮食期货类型进行研究.首先,采取统计特征分析及协整检验对日收益序列进行分析;然后,通过建立广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)模型,分析两个市场间的相关性并对比其波动性.结果表明,粮食期货市场在收益和波动性上均引导FFA市场的变化,论证了GARCH族模型检验波动溢出特征的有效性,并为干散货航运市场参与者和投资者提供理论参考.

基于市道轮换模型的SHIBOR市场利率

基于固定波动率模型和广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)模型,研究引入马氏市道轮换模型.该模型可以将线性利率期限结构推广到非线性形式,运用到资产定价的变化中,特别是债券收益率的确定中.不同于唯一依赖利率水平的传统模型,马氏市道轮换模型能够模拟货币政策对利率的影响.利用2006-10-08至2013-03-29每周三上海银行间同业拆放利率(Shanghai interbank offered rate,SHIBOR)月度数据,用R语言实现并比较了固定波动率模型、GARCH模型以及混合GARCH马氏市道轮换模型对各参数的估计效果.结果表明,混合GARCH马氏市道轮换模型的拟合效果在各种情形下均占优.

基于动态极值VaR股指分析的中国行业风险研究

应用动态极值VaR模型分析中国行业股票价格指数,对不同市场条件下中国行业风险进行实证研究.在McNeil等提出的GARCH模型与极值理论基础上,运用Huisman等提出的VaR法修正上述风险值估计方法,构建了动态极值VaR模型.在该模型的构建中考虑了风险因子的时变特性,采用EVT方法对风险因子的厚尾特性进行建模,简化了风险值的估计过程,并提高了估计的准确性.动态极值VaR模型能够较好地刻画风险尾部分布特性,同时能够比较准确地度量所研究时间段内的市场风险和行业风险.研究结果表明,不同市场条件下各行业的风险特性具有显著的变化.最后利用Kruskal-Wallis一致性检验对上述结论进行了验证.据此,在资产组合管理过程中,有必要依据市场环境和行业风险特性对资产配置比例进行调整.

应用自回归条件异方差模型研究我国水力发电量

为了研究水力发电量条件方差的变化规律及残差的统计分布特征,引入自回归条件异方差模型,建立基于正态分布假设的同阶自回归条件异方差模型对我国2001年1月到2016年2月的水力发电量进行实证分析,研究得出该模型对发电量的估计与预测具有良好的效果。

城市轨道交通断面客流不确定性分析的广义自回归条件异方差改进模型

对比分析指出,城市轨道交通线路断面客流量变化与道路交通断面客流量变化具有相似性,但城市轨道交通线路断面客流时间序列具备特有的尖峰厚尾特性,其变化的敏感程度依赖时空条件,常用于道路领域的广义自回归条件异方差(GARCH)模型无法直接用于城市轨道交通领域。基于此,引入广义误差分布(GED)虚变量,构建改进的GARCH模型,并基于成都地铁1号线下行断面客流时间序列数据,借助EViews和Matlab软件对改进前后的模型效果进行实证对比分析。结果表明,改进后的虚变量GARCH模型比原始的GARCH模型具有更好的适用性。

考虑异方差效应的风电不确定性建模及其在调度中的应用

随着风电在电力系统中渗透率的不断提升,其不确定性为电网的安全经济运行带来了重大挑战。为获得精准的风电不确定性模型,帮助运行人员实现系统的安全经济运行,文中提出了考虑异方差效应的风电预测误差条件概率分布建模方法。首先,分析了风电预测误差与各类因素的相依性水平,并基于分析结果与动态Copula理论,建立了风电波动性与风电预测误差的动态相依性模型;之后,针对边缘分布所显示出的时域特征,结合差分整合移动平均自回归(ARIMA)模型与广义自回归条件异方差(GARCH)模型,考虑异方差效应,建立了时变边缘分布模型;最后,将两模型相结合,给出了不同波动水平下的风电条件预测误差分布情况,并在不确定性机组组合模型中进行验证,证明了模型的有效性。