Multivariate Generalized Autoregressive Conditional Heteroscedastic Model

In this paper, by making use of the Hadamard product of matrices, a natural and reasonable generalization of the univariate GARCH (Generalized Autoregressive Conditional heteroscedastic) process introduced by Bollerslev (J. Econometrics 31(1986), 307-327) to the multivariate case is proposed. The conditions for the existence of strictly stationary and ergodic solutions and the existence of higher-order moments for this class of parametric models are derived.

基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

基于WPD-ARIMA-GARCH组合模型的酱卤肉制品安全风险区间预测

针对传统确定性预测不能提供不确定性信息的难题,本研究提出了一种点估计和区间估计组合预测模型,并将其创新性地应用在食品安全风险预警领域。在点估计部分,使用小波包分解(wavelet packet decomposition,WPD)对周风险等级序列分解后,应用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型进行预测;在区间估计部分,使用广义自回归条件异方差(generalized autoregressive conditional heteroskedast,GARCH)模型对残差进行预测。本实验将建立的WPD-ARIMA-GARCH组合模型运用于某地区酱卤肉制品的风险预测,结果表明2019年的3月底和7月底该地区的酱卤肉制品安全风险较高,与实际情况相符;同时,该模型在10个不同地区的酱卤肉制品风险预测中,均方误差、平均绝对误差和平均绝对百分比误差分别为1.626、0.806和20.824;其90%置信区间的预测区间平均宽度和覆盖宽度标准值均为0.024,可以覆盖所有真实值。该模型具有较高的预测精度和较低的误差,能对酱卤肉制品质量安全起到风险防控作用,可为日常食品安全监管提供相应的技术支持。

考虑碳市场风险的热电联产虚拟电厂低碳调度

燃煤热电机组“以热定电”的运行模式会导致新能源消纳能力不足,且运行过程中会产生过高碳排放。为此,建立了考虑地源热泵、电转气(P2G)和碳捕集与封存(CCS)的热电联产虚拟电厂模型,并提出了基于碳市场风险的虚拟电厂低碳调度策略。利用自回归滑动平均模型及广义自回归条件异方差模型预测碳市场的次日碳价,并用条件风险价值模型衡量其波动风险;引入电制热设备地源热泵,协同P2G-CCS解耦热电联产“以热定电”运行约束;提出以各设备的运行成本、弃风弃光惩罚成本、碳交易及碳市场风险成本之和最小为目标函数的优化调度策略。算例结果表明:所提调度策略不仅能促进新能源消纳,提高经济效益,还可以降低系统碳排放。

教育板块对金融市场风险传染的影响测度

风险测度是投资决策和风险管理过程中至关重要的一环,它有助于投资者更好地理解和管理其投资组合的风险,并最大限度地实现其投资目标。使用GARCH(广义自回归条件异方差)模型与Copula模型对上证指数、沪深300指数以及深证成指数与教育指数的日收益率进行建模。研究结果表明:样本期内,上证指数、沪深300指数以及深证成指数作为综合股票指数,相较于教育指数,其抗风险能力更强;上证指数、沪深300指数以及深证成指数与教育指数间存在明显的双向风险溢出效应且风险传染强度不对称;研究中发现VaR(在险价值)以及CoVaR(条件在险亏损)一般会低估市场的风险和市场的条件风险。

投资者情绪指数构建及其与超额收益率关系研究

有效度量市场投资者情绪是研究投资者情绪对资本市场影响的关键。选取2008—2022年证券投资者信心指数、消费者信心指数、市盈率、成交量、换手率、新增投资者开户数的月度数据,用主成分分析法构建市场投资者情绪复合指数(CIMIS_(t)),并通过“孪生股票”模型和定性分析对CIMIS_(t)进行有效性检验。采用ARMA-GARCH模型消除CIMIS_(t)和超额收益率(R_(a))的自相关和异方差性,对其残差进行回归分析和Granger因果检验。实证发现,CIMIS_(t)能较准确表征中国股市投资者情绪,去除自相关和异方差性的投资者情绪与R_(a)呈显著正相关,对R_(a)拟合效果更好;短期内超额收益率明显影响投资者情绪,而投资者情绪不能明显影响我国股市的表现。研究结果为投资者在投资决策以及监管者在制定市场政策时提供参考。

基于广义自回归条件异方差选股模型的布林带通道突破择时量化交易

提出一种综合利用广义自回归条件异方差模型进行波动率选股、布林带通道突破择时和平均真实波幅(ATR)动态止损的量化投资策略。首先,利用广义自回归条件异方差(GARCH)模型预测未来一周波动率最大的30只股票,构建股票池;其次,采用布林带指标进行择时,捕捉价格趋势变化;最后,根据平均真实波幅指标调整止损位,保护资本。通过多次回测,确定最佳参数。研究结果表明,该策略在不同市场环境下均表现出色,熊市具有较好的避险能力,牛市和震荡市场具有较强的盈利能力,实现了稳定的超额收益。综合运用波动率选股、价格突破和动态止损策略,为投资者提供了一种有效的量化投资方案。

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.

参考作物腾发量的GARCH类模型模拟与比较

由于辐射、气象等复杂因素变化,水文过程时间序列模型的预测和不确定性是当前研究的重要问题。该文以参考作物腾发量为研究对象,运用能够反映时间序列非线性变化的GARCH(generalized autoregressive conditional heteroscedasticity model)类模型,选取湖北省宜昌站1953—2007年实测气象数据进行计算,依次研究其时间序列特性、预测模型、波动特征和最优的误差预测模型。结果表明,季节自回归滑动平均模型(SARMA,seasonal autoregressivemoving average model模型)很好地模拟了参考作物腾发量时间序列变化(模型均方根误差为0.089mrn),但Engle拉格朗日乘数检验结果表明参考作物腾发量变化过程存在条件异方差特性;GARCH、TGAR,CH(threshold GARCH)、EGARCH(exponential GARCH)和PGARCH(power GARCH)模型的应用估计表明,GARCH类模型能够很好刻画时间序列预测模拟中的方差变化特征,相比于传统线性时间序列模型能够更好反应预测中的不确定特性;通过多个误差统计量的比较研究表明,EGARCH模型能够较好地预测参考作物腾发量波动特征,相对于其他GARCH类模型具有较高的精度。该文对参考作物腾发量时间序列条件异方差特性的研究,有利于深度挖掘水文规律,为水资源管理提供理论基础。

考虑外生变量的广义自回归条件异方差日前电价预测模型

利用广义自回归条件异方差模型预测电价,并在该模型中引入周用电比率作为外生变量,以增加模型对外界影响的响应。采用上述方法对美国PJM电力市场2004年12月份的日前电价进行预测,结果表明该方法对高峰时段电价的预测精度明显高于与之对比的其他模型,整体预测精度也好于对比模型。

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.

基于时间序列模型的舰炮武器系统动态精度评估方法

为了解决舰炮武器系统动态精度试验鉴定中长期存在的数据处理理论依据不足及方法不当问题,提出了一套基于时间序列模型的舰炮武器系统动态精度评估方法。分析了当前舰炮武器系统动态精度数据处理方法的现状与不足;给出了应用时间序列模型对舰炮武器系统动态误差数据进行建模分析的基本思路。在对自回归滑动平均(Autoregressive moving average,ARMA)/差分自回归滑动平均(Autoregressive integrated moving average,ARIMA)建模方法和自回归条件异方差(Autoregressive conditional heteroscedasticity,ARCH)系列建模方法的相关理论、方法进行深入探讨的基础上,提出了应用ARIMA和广义自回归条件异方差(Generalized autoregressive conditional heteroscedasticity,GARCH)模型方法实现动态精度评估的具体算法。以某型舰炮武器系统实测高低角动态误差的分析处理为例,给出了应用时间序列模型方法进行舰炮武器系统动态精度评估的具体实现过程。模型与实际数据的对比分析结果表明,该文提出的方法是可行的,可为有效解决舰炮武器系统动态精度试验鉴定的相关难题提供参考。

基于GARCH-CVaR模型的我国股票市场风险分析

条件风险值(CVaR)风险度量方法是风险值(VaR)方法的改进,是一种较之VaR更加客观谨慎的风险度量方 法.运用CVaR的动态计算模型———GARCH-CVaR模型,对我国股票市场风险特征进行了分析研究,结果表明:我 国股票市场具有显著波动聚集性及持续性,股票市场的CVaR值始终比同期VaR值偏大,尤其在市场剧烈波动即风 险较大时.

整合GARCH和VaR的电力市场价格风险预警模型

对现有市场运行状况的评估警戒以及对未来一段时期市场发展的预警是相辅相成、不可分割的。价格是最直接的市场信号,市场中上网电价的波动具有"聚集"效应和异方差特性,该文引入金融领域的分析手段,利用广义自回归条件异方差(generalized autoregressive conditional heterosce-dasticity,GARCH)和风险价值(Value-at-Risk,VaR)理论建立了考虑容量充足度和必须运行率2个指标的价格风险预警模型,既考虑到了真实的市场供需形势又考虑到了发电市场结构和发电商的地位。实证分析表明该模型弥补了常规方法的不足,无论是静态预测还是动态预测均可以保证较高精度,在此模型指导下,电力市场运营机构和监管机构可以根据价格风险预警信号及时采取相应对策。

小波分析和考虑外生变量的广义自回归条件异方差模型在电价预测中的应用

电力市场中的电价序列存在很大的随机波动和价格尖峰。文章提出根据电价序列的变化特点,通过小波变换将其分解为概貌序列和细节序列,从而在不同尺度上反映电价的变化规律。通过概貌分量找出电价的主要波动规律,并由此对电价进行预测,剔除细节分量所反映的电价的随机波动影响。建立考虑异方差的广义自回归条件异方差模型(generalized autoregressive conditional heteroscedasticity,GARCH)对概貌序列建模,并在GARCH模型中加入外生变量形成GARCHX模型,以弥补传统时间序列模型忽略外界影响的缺陷。对美国PJM电力市场的实例研究表明,所建立的W-GARCHX模型比传统时间序列模型的预测精度有明显提高。

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FHNN相似日聚类自适应权重的短期电力负荷组合预测

提出一种有效的组合预测新模型进行电力负荷短期预测。不同预测模型在不同情况下的预测结果和精度有所变化,因此组合预测模型的权重应随着预测情景的变化而变化。文中将原始负荷数据分为训练集、验证集和测试集3类,并选择4种单一预测模型,即自回归滑动平均(ARMA)模型、广义自回归条件异方差(GARCH)模型、人工神经网络(ANN)和支持向量机(SVM)分别进行模型预测。对于需要预测的负荷,根据历史数据,将一年的数据先按照季度分类,再分别按照月、日、小时,利用模糊神经网络(FHNN)将其聚类。根据不同单一预测模型在不同情景下的误差计算出组合权重,从而获得组合预测模型。算例分析验证了所提出的组合预测模型的有效性和精确性。

非线性时间序列建模的混合GARCH方法

在文献[1]的基础上,首次提出混合广义自回归条件异方差(MixtureGeneralizedAutoregressiveConditionalHeteroscedasticModel简记MGARCH)模型;给出并证明了MGARCH模型的一阶平稳性的充分必要条件及二阶平稳性的充分条件;给出该模型参数估计的EM算法;利用BIC定阶准则对MGARCH模型的各成份进行定阶;计算结果表明该模型对金融非线性时间序列中存在的变异率现象具有较强的描述能力,有广阔的应用前景。