基于Vine Copula的梯级水库短期发电调度风险估计

基于能准确描述高维变量相关关系的Vine Copula,考虑短期径流预报误差的空间相关性,构建了梯级水库短期发电调度风险估计模型,并将模型应用于长江上游溪洛渡、向家坝和三峡水库,分析了径流预报误差带来的单一水库、梯级水库短期发电调度风险。结果表明:基于C-vine Copula构建的联合分布能较好地描述屏山站、朱沱站、寸滩站和武隆站的日径流预报误差特性;随着水库可调节安全区间范围增大,单一水库发电量不足风险率、弃水风险率均越来越小,梯级水库发电量不足、弃水联合风险率和同现风险率越来越小,即水库调节库容越大,其承担的风险也就越小。

基于Vine Copula的鄱阳湖流域近70年洪水空间分异规律

量化流域的洪水空间分异规律,对防洪减灾具有重要意义。采用鄱阳湖流域不同支流7个水文站近70 a日径流量资料,利用自动峰值超阈值模型、主衰退曲线分析法确定总洪量、洪峰流量和持续时间3个洪水特征,基于Vine Copula模型建立三维联合分布,计算联合、同现和2种条件重现期来对比研究各支流的洪水演化规律。结果显示:洪峰流量最优边缘分布为对数正态分布,总洪量以伽马分布为主;Gaussian Copula模型对洪峰流量和总洪量的相关性结构拟合效果良好,Gaussian Copula模型和Student t Copula模型适合建立总洪量条件下洪峰流量和持续时间的相关性结构;鄱阳湖流域西部会形成总洪量、洪峰流量和持续时间均较大的灾难性大洪水;流域东部容易在短期内积累较大的洪量,而不会形成持续性洪水;在洪量一定的情况下,流域南部洪水的洪峰流量最大。研究结果可为鄱阳湖流域改进洪水预警方法和制定洪水分级管理策略提供参考。

基于Vine-Copula的高土石坝变形监控模型研究

针对高土石坝变形监控模型主要基于单一测点,无法定量考虑测点空间关联性的问题,构建了基于Vine-Copula的变形监控模型,并提出了基于蒙特卡洛随机抽样法的空间置信域预警阈值设置方法。在模型构建过程中,充分考虑了多测点之间的时序特性和空间相关性,利用Vine-Copula方法对变形数据进行精确建模和分析,以揭示高土石坝变形的整体趋势。同时,通过蒙特卡洛随机抽样法确定了空间置信域,为预警阈值的设定提供了科学依据。工程实践表明:该模型模拟结果能够准确反映高土石坝变形的整体趋势,具有较高的合理性和精度,有效实现了监测效应量向高土石坝空间全域的拓展。研究成果可为高土石坝安全监控提供新的思路和方法,具有重要的理论意义和实践价值。

基于C-Vine Copula函数的台风灾害链“风-雨-潮”联合概率分布研究

现有台风灾害链研究大多采用高维对称Copula模型建立多个致灾因子的联合分布,对致灾因子之间非线性、非对称的复杂关联结构探究不足。文章以浙江岛屿城市舟山为例,通过C-VineCopula函数刻画当地台风灾害链“风-雨-潮”之间的复杂依赖关系,利用1979—2018年逐日的最大持续风速、累积降雨量以及最大风暴增水数据估算三者的联合概率分布以及重现期。研究表明:1)风速与降雨量在常规数值区间(非极端情况)具有较强的相关性,最佳联合分布为Frank Copula;风速与风暴增水具有上尾依赖的特征,最佳联合分布为Gumbel Copula;2)降雨量分布在风速条件下显示2处峰值,风暴增水分布在风速条件下近似于均匀,两者之间的最佳联合分布为Gumbel Copula;3)以单变量100 a重现期为例,风速-降雨量与风速-风暴增水组合事件的二维联合重现期分别缩短至29和30 a,而风速-降雨量-风暴增水组合事件的三维联合重现期缩短至17 a。综上,C-VineCopula函数能准确有效地刻画台风灾害链“风-雨-潮”之间的复杂依赖关系,深化对于台风灾害链内在作用机制的理解,为台风灾害风险管理和工程设计提供科学支持。

基于Vine Copula的强风暴雨复合型风险分析

构建基于D-Vine Copula函数的强风暴雨复合型分布模型,利用北京市十三陵水库流域的实测数据进行敏感性分析及风险评估。结果表明:联合分布对降水量、降水强度、风速和温度4个研究因子的敏感性具有差异性。基于敏感性分析结果,随着降水强度和风速的概率分布值增大,联合概率分布增大,同现概率分布减小,最大联合风险率为24.5%;随着降水强度和降水量的概率分布值增大,联合概率分布增大,同现概率分布减小,最大联合风险率为18.1%;Vine Copula可较好地反映出水文气象因子间的相关关系,降水强度和风速、降水量和降水强度的概率分布值及组合风险率均对联合分布呈现正相关关系,发生气象灾害时易出现联合响应。该研究为强风暴雨复合型风险的调控等提供了理论与方法支撑。

基于R Vine Copula的VaR模型期货市场的风险度量

按照传统投资组合的观点,投资者通过投资于低相关性的不同资产可以起到分散风险的作用,资产与资产之间的关系一般以线性相关性来衡量。然而,不同资产之间的关系并非纯粹的线性相关,现实中不同资产之间具有不同的线性相关,但又往往在同一个时间点发生极端的风险损失。构建基于R Vine Copula的VaR风险度量模型,采用Copula模型获得了不同期货资产收益率的相依结构,测算出不同期货资产之间的尾部相依系数,并计算出这些期货资产之间的联合分布和条件分布,在此基础上对各资产在条件相依结构下的VaR进行估计,最后对这些期货资产的VaR进行Kupiec检验,检验结果验证了该模型估计风险的准确性和有效性。

基于动态Vine Copula模型的金融市场风险溢出效应研究

随着金融全球化进程的加速,国际金融市场间的联系日益紧密,深入分析国际金融市场对中国金融市场的风险溢出效应具有重要意义。本文首先基于高维动态Vine Copula模型构建高维金融市场的联合分布函数,然后运用条件在险价值方法测度国际原油市场、国际黄金市场以及国际外汇市场对中国股票市场的风险溢出效应,最后采用压力测试方法从多市场情景压力的视角进行稳健性检验。研究显示:国际金融市场对中国金融市场具有显著的风险溢出效应,但不同国际金融市场的风险溢出强度存在显著差异;国际金融市场对中国金融市场的上行风险溢出效应显著大于下行风险溢出效应,风险溢出强度呈现出非对称性特征;基于高维动态Vine Copula模型的压力测试方法可以有效度量多个金融市场对单一金融市场的风险溢出效应。本文针对投资者、风险管理者以及监管者提出了相应的政策建议。

基于改进时间卷积网络与藤Copula的短期风速预测

考虑风电场相邻风机风速间以及风速与气象因素间复杂的非线性关系,提出了一种基于改进时间卷积网络与藤Copula相结合的风速预测方法。首先,利用深度残差收缩网络中存在的注意力机制及软阈值化的思想改进时间卷积网络中的残差模块,并进行初步风速预测;然后,考虑到众多气象因素对风速的影响,使用核主成分分析对气象数据进行降维,在保证数据特征的同时,降低数据的复杂度;最后,利用藤Copula在描述非线性相关结构方面的优势构建修正模型,使用降维的气象数据修正初步风速预测值,得到最终的风速预测结果。实验证明,所提方法提高了短期风速预测的精度。

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Vine Copula的REITs市场极端风险溢出效应研究

随着金融全球化不断推进,REITs(不动产信托投资基金)市场价格震荡幅度加剧,不同REITs市场间风险扩散加快,需准确度量价格波动带来的风险及其溢出传导机制。文章从多市场关联角度出发,结合Vine Copula模型与CoVaR模型,研究REITs市场间的极端风险溢出效应。研究结果表明:国际REITs市场间的相依性存在明显的区域集聚特征;欧美REITs市场对外的尾部相依性均值较高,亚洲REITs市场之间的尾部相依性偏弱;主要REITs市场间大部分都具有双向的风险溢出效应且呈现出非对称性,较强相依结构的REITs市场间的双向风险溢出效应极其明显。本研究有助于从整体上把握REITs市场间极端风险溢出效应,为维护金融稳定、防范不同地区市场间风险传导提供借鉴,帮助投资者进行风险管理。

基于C-Vine-Copula函数的暴雨致灾危险性联合分布研究

近年来暴雨灾害带来的经济损失越来越严重,但并非每次暴雨过程都会造成灾害。以阳江地区为例,从暴雨灾害造成的损失出发,计算了阳江市2005-2016年32次暴雨灾情的人员损失和直接经济损失的灾损率指数,并结合暴雨事件过程持续时间、过程累计降水量和过程最强小时雨量3个特征变量指标,采用K-S法,选取阳江市内20个站点各要素的最优边缘分布函数,并引入Copula函数,分别构建了各个降雨指标与灾损之间的二维联合风险概率。然后利用Vine结构的pair-Copula函数分解方法,分步拟合阳江地区多维变量的联合概率分布,构建了基于灾损率指数的多元联合风险概率,从而随机计算致灾危险性的联合重现期,为防灾减灾服务提供依据。结果表明:C藤相对于D藤能更好地构建基于灾损指数的多元暴雨致灾危险性联合分布模型,广义极值分布能更好地反映阳江地区所有站点的暴雨灾损指标和暴雨特征指标及其分布特性,C-Vine-Copula函数结构更适用于构建基于灾损指数的多元暴雨致灾危险性联合分布模型,Gaussian Copula和Gumbel Copula能更好地反映阳江地区暴雨灾害的多元联合概率,不同情景下阳江暴雨联合致灾概率具有地区差异特征。

基于稀疏D-vine Copula的建模方法及其在过程监测中的应用

针对工业过程中高维数据的非线性非高斯问题,提出了一种基于稀疏D-vine Copula(Sparse D-vine Copula-based,SDVC)的过程监测方法。首先,针对传统的Vine Copula结构优化方法容易引起估计误差在Vine结构中累积,并且计算负担随着数据维数的增加急剧增长的问题,修正了二元Copula的先验概率,使得高层次结构树中的二元Copula更倾向于优化为独立状态,实现了高层次树结构稀疏优化。其次,对Vine结构节点次序确定方法进行改进,根据节点间的相关性总和依次展开,使其更适用于水平结构的D-vine建模。最后,引入高密度区域(HDR)与密度分位数理论,构建适用于任意分布的广义局部概率(GLP)指标,以实现对工业过程的实时监测。通过田纳西-伊斯曼(Tennessee-Eastman,TE)和醋酸脱水工业过程验证了所提出方法的优越性能。

基于Vine-Copula广义CoVaR模型的我国金融市场间风险溢出研究

当前各金融行业之间的联系日益密切,风险溢出进一步增强。在这一背景下,本文构建Vine-Copula模型,刻画银行业、保险业、基金业和证券业之间的风险相依关系,将上行广义Co Va R与下行广义Co Va R置于同一结构中,进一步研究当某一行业陷入风险时对其他金融行业的风险溢出效应。实证结果显示,各金融行业均存在显著的正向风险溢出效应,上行风险溢出与下行风险溢出表现出非对称性。分行业而言,证券业对其他行业的风险溢出效应最强,银行业和基金业的风险溢出效应较为平稳,而保险业的风险溢出也处于较高水平,应当重点关注证券业与保险业之间的风险溢出效应。本文研究明晰了金融行业间的风险溢出效应,有助于对我国经济“三期叠加”阶段性特征进行科学理解与准确研判,为防范与化解重大金融风险提供参考依据。

基于Vine-Copula和拟蒙特卡罗法的可再生能源电力现货市场风险度量模型

可再生能源参与电力现货市场政策制定前,需度量可再生能源的市场风险。在可再生能源未深度参与电力现货背景下,直接采用传统方法对历史数据进行风险度量不可行。文章结合可再生能源有效出力和在险模型(Value at Risk,VaR)设计了可再生能源风险度量指标,通过风险场景匹配市场和机组出力数据。针对目前国内电力现货市场数据量少的问题,结合市场主体在电力现货市场中所能获得的数据进行市场因子筛选,通过Vine-Copula函数考虑多个市场因子间的相关性;改进了传统蒙特卡罗法收敛慢的缺陷,采用拟蒙特卡罗模拟法生成市场因子数据,根据拟合的映射关系生成电价水平数据。最后,文章基于南方(以广东起步)电力现货市场结算试运行的数据和海上风电与光伏的仿真出力,对所提出的模型进行算例分析,结果显示拟蒙特卡罗法收敛性更高,能满足模型中所有风险场景高频计算风险的需求。

基于C-Vine Copula熵多目标优化模型的水文气象站网优化研究

气候变化背景下水文气象序列的趋势性引发的非平稳特性势必会对水文气象站网优化结果产生一定影响。通过C-Vine Copula熵的多目标站网优化模型和滑动窗口法结合,分别以黄河和淮河流域1992-2018年日降水序列作为研究对象,通过建立的站网优化模型分析了不同窗宽条件下两个典型流域各站点的秩次情况,从而量化分析降雨序列趋势程度对站网优化结果的影响。结果表明:由于Archimedean Copula仅仅适合描述正相关的多变量相依性结构,基于CVine Copula模型估计总相关量更加逼近实际的站网信息冗余量,特别是在高维情形下二者估计的差异性更大;趋势程度较大的淮河流域站网秩次的年际变化相比于趋势程度小的黄河流域站网更加显著,趋势性引发的序列非平稳特性增加了水文气象站网评价结果的不确定性。不同的时间域范围可能会对站网设计结果产生不同的影响,这意味着最佳的站网布设可能只适用于特定的观测时段。因此,研究表明在处理水文气象站网优化时应非常谨慎,因为在其他条件相同情形下,基于固定的全序列剔除或者增加某些台站会导致整个站网系统的水文气象信息损失或信息冗余,为此站网的优化设计应当以使其更适应不断变化的水文气象条件可能更为可取。

基于Vine Copula函数的河湖连通水环境多因子联合风险识别研究

河湖连通工程是水资源调配和水生态环境保护与修复的重要途经,同时作为一个包含着模糊性、随机性、灰色性以及未确知性信息的复杂系统工程,其不可避免地存在一定的风险。本文基于Vine Copula函数构建了南四湖在南水北调东线一期工程运行前后水环境多因子联合风险模型,通过对总磷(TP)、总氮(TN)、氨氮(NH3-N)和叶绿素a(Chl-a)4种风险因子的敏感性分析,识别出运行后的关键风险因子;结合南四湖Ⅲ类水的供水水质要求,设置了运行后关键风险因子不同风险状态(即Ⅳ类和Ⅴ类)组合下的系列风险情景,识别出运行后潜在水环境多因子联合风险。结果表明:TN、NH3-N、 Chl-a为关键风险因子;当TN和NH3-N达到Ⅴ类水标准限值、Chl-a为35μg·L-1时,工程运行后水环境联合风险变化速率增大,不确定性提高,需及时响应,建议重点关注TN和NH3-N指标。

基于Vine Copula的短期径流预报不确定性分析

定量分析短期径流预报序列的不确定性特征,对于提高水库短期运行计划的可靠性具有重要意义。针对常用多元椭圆Copula或阿基米德Copula难以有效刻画短期径流预报不确定性特征的问题,本文引入了Vine Copula对不同径流量级及不同预见期下预报不确定性进行定量评估,进而分析了先验信息对于后续时段预报不确定性的影响。以雅砻江流域锦西水库为例进行验证,结果表明:相较于传统多元Copula函数,Vine Copula构建的相对预报误差联合分布均能通过假设检验且拟合效果最好,模拟结果的统计量与实测数据相差较小;通过利用调度期内已经发生的相对预报误差信息,可以有效减小后续时段相对预报误差期望值及90%置信水平分位距,降低预报的不确定性。

包商银行事件对我国上市银行系统性风险的影响——基于Vine Copula SCCA半参数模型

为研究包商银行这类区域性商业银行的风险暴露对我国上市银行系统性风险的影响,本文提出VineCopulaSCCA半参数模型,基于2013—2019年我国上市银行数据构建银行业整体及三大类银行机构的联合预期损失分布,并计算联合预期亏损作为系统性风险度量指标。该模型融入R-Vine Copula函数和半参数建模思想,放宽了传统SCCA模型关于风险相依结构和边际分布的假设,提升了国内银行业系统性风险测度的适应性,从而更加科学地测度我国银行业系统性风险的演变特征。研究发现,相较于传统SCCA模型,Vine Copula SCCA半参数模型成功捕捉到包商银行两次延期披露年报和被接管所预示的潜在风险暴露危机,能更好地刻画上市银行系统性风险的演变轨迹。本文给出更加合理的系统性风险测度模型,为我国区域性商业银行的高质量发展、风险防控以及相关监管政策的制定提供借鉴参考。

基于D-vine copula-分位数回归的组合投资决策

为克服传统组合投资决策模型使用方差风险的不足,建立D-vine copula-分位数回归方法估计多元条件联合分布,给出广义Omega比率组合投资决策模型求解方案.分别选取能源市场3种期货商品和不同行业5只股票进行实证研究,结果表明:基于D-vine copula-分位数回归的广义Omega比率组合投资决策模型,能够充分揭示与模拟金融资产收益变动规律,得到更高的Sharpe比率和广义Omega比率.

基于Copula-vines的欧元汇率波动相关性实证研究

欧洲债务危机后,欧元汇率变动趋势值得关注。文章利用copula vines类模型,在考虑汇率条件波动相关性及汇率波动边际分布独立性的条件下,研究了欧元对美元、人民币、港元和日元四种货币汇率波动的相关性。研究结果表明,欧元对美元汇率同欧元对其他三种货币汇率波动存在不一致性,而在欧元对美元汇率既定条件下,欧元对人民币汇率与欧元对港元汇率、欧元对日元汇率的条件相关基本一致,在欧元对美元汇率、欧元对人民币汇率不变的情况下,欧元对港元汇率同欧元对日元汇率的相关性程度很低。