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。

基于动态因子Copula模型的收益率波动相依性分析

金融市场作为风险研究的对象,需要构建联合分布来分析其变量间的相依性变化。针对高维变量联合建模带来的“维数灾难”,动态因子Copula模型能有效处理金融数据的不对称性、厚尾性和动态相依性,解决参数估计问题。以2008年1月至2020年12月22个金融机构股票收益率为研究对象进行实证分析,研究结果表明:银行业与其他金融机构的相依性普遍更强,兴业银行受公共因子的影响最大,因子载荷均值为1.7973;保险业与其他金融机构相依性偏低,中国太保受公共因子影响最小,因子载荷均值为1.2013;证券业居中。

基于混频动态因子模型的数字经济状态指数构建与预测研究——以杭州市为例

我国数字经济规模不断扩大,在经济发展、税收、就业等方面发挥着越来越重要的作用。为及时了解数字经济发展现状、对数字经济发展趋势做出预判,有必要构建刻画数字经济发展状态的数字经济状态指数。本文提出运用混频动态因子模型,从不同频度的数据中提取因子构建月度数字经济状态指数的方法,并运用杭州市季度数字经济产业增加值和月度数字经济产业营业收入数据进行实证分析,构建了杭州市月度数字经济状态指数。实证结果表明,所构建的月度数字经济状态指数能很好地刻画数字经济发展状态,且可以为预测季度数字经济状态指数提供有用信息,从而为政府决策提供理论支持。

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。

基于动态因子Copula模型的我国银行系统性风险度量

本文基于2007年至2019年我国14家上市银行的股票收益率,构建偏态t-分布动态因子Copula模型,利用时变荷载因子刻画单家银行与整个系统的相关性,计算联合风险概率作为系统性风险整体水平的度量,基于关联性视角提出了新的单家机构系统脆弱性和系统重要性度量指标——系统脆弱性程度和系统重要性程度。该方法充分考虑了银行个体差异性和系统的内在关联性以及收益率的厚尾性和非对称性,从而能够捕捉到更多的信息且兼具时效性。研究表明:银行机构在风险聚集时期相关程度更大,联合风险概率能够准确识别出系统性风险事件且在我国推行宏观审慎评估体系以后有明显降低;整体而言,大型商业银行系统重要性水平最高,同时风险抗压能力也最强;本文使用的度量方法降低了数据获取成本且更具时效性,有助于为宏观审慎差异化监管工作提供借鉴和参考。

基于广义加性混合模型(GAMM)的沙柳特征因子动态变化

【目的】对沙柳特征因子的动态变化进行研究,分析环境因子影响下的地径、枝高动态变化过程。【方法】采用样地调查、样本采集、气象数据收集等手段,基于广义加性混合模型(GAMM),以灌丛、枝条以及二者的嵌套作为随机效应,探究灌木地径、枝高与土壤水分(SM)、年平均降水量(MAP)、年平均气温(MAT)及年龄等影响因子的动态变化规律。【结果】1)对于不考虑随机效应的广义加性模型(GAM),灌木地径与影响因子呈较强的非线性关系(有效自由度E均大于8.20,且P<0.001),枝高仅与时间呈非线性关系,与其他影响因子均为线性关系。2)相较于GAM,GAMM在随机效应的影响下,地径与各影响因子之间非线性显著降低(E变小),但在以灌丛为随机效应的模型中,地径与年平均气温趋于线性关系(E为1),而枝高与时间的非线性关系更强,与其余影响因子仍呈线性关系。3)考虑随机效应的GAMM比GAM的拟合结果更优,且嵌套模式下的GAMM拟合效果最好。【结论】沙柳不同特征因子对环境因子的响应有差异,而相比枝高,地径的变化程度更大。研究结果有助于掌握沙柳特征因子的动态变化对环境因素的响应机制,为进一步探究沙地生境变化过程中植物种群变化、植被演替及植被管理提供科学依据。

关于影响房地产价格的动态因子模型研究

基于主成分分析,通过预设的经济和金融变量,本文构建一个动态因子模型对深圳房地产价格结构变化进行实证检验。研究发现,在样本期内解释房地产价格波动因子的权重发生变化,且近几年的变化尤为显著,动态因子模型随时间推移仍能得出较好的解释效果。

声望模型中一种动态选择遗忘因子的方法

针对目前声望模型中单一的遗忘因子无法准确地跟踪动态变化的声望值的问题,提出了一种以降低总误差为目标的动态选择遗忘因子的方法。该方法首先分析了不同的遗忘因子对总误差的影响,然后以声望值的变化程度为依据,在变化较为剧烈时选择较大的遗忘因子以快速体现变化,在变化较小时选择较小的遗忘因子以减小随机误差。仿真结果表明:该方法是行之有效的。

基于因子图模型的动态图半监督聚类算法

针对动态图的聚类主要存在着两点不足:首先,现有的经典聚类算法大多从静态图分析的角度出发,无法对真实网络图持续演化的特性进行有效建模,亟待对动态图的聚类算法展开研究,通过对不同时刻图快照的聚类结构进行分析进而掌握图的动态演化情况.其次,真实网络中可以预先获取图中部分节点的聚类标签,如何将这些先验信息融入到动态图的聚类结构划分中,从而向图中的未标记节点分配聚类标签也是本文需要解决的问题.为此,本文提出进化因子图模型(Evolution factor graph model,EFGM)用于解决动态图节点的半监督聚类问题,所提EFGM不仅可以捕获动态图的节点属性和边邻接属性,还可以捕获节点的时间快照信息.本文对真实数据集进行实验验证,实验结果表明EFGM算法将动态图与先验信息融合到一个统一的进化因子图框架中,既使得聚类结果满足先验知识,又契合动态图的整体演化规律,有效验证了本文方法的有效性.

基于状态转换动态Copula模型的外汇套期保值研究

汇改以来,人民币汇率波动的不确定性增大,外汇风险加剧,在此形势下加强外汇风险管理势在必行。考虑到利用外汇期货合约进行套期保值是管理外汇风险的一个重要方法,因此可建立一个状态转换动态Gaussian Copula套期保值模型来对外汇风险进行管理。首先采用GJR-t模型描述欧元、日元、英镑、澳元和加元的现货和期货收益率的边际分布;然后引入状态转换动态Copula函数描述上述五种货币的现货和期货收益率之间的相关性;最后将状态转换动态Gaussian Copula模型与OLS,DCC GARCH,DCC Gaussian Copula等模型的套期保值效率进行比较。实证结果表明,所构建的模型优于其他模型,利用该策略模型能有效规避外汇风险。

动态因子模型及其应用研究综述

动态因子模型(DFM)的基本职能是对高维数据进行降维处理,即从高维数据集中提取变量间的协同变动信息。在理论上,本文系统梳理了DFM的模型形式设定、估计方法以及结构化建模技术的发展历程和研究前沿。在应用方面,本文总结了DFM在预测、构建经济周期指标和通货膨胀指数、以及经济结构分析中的应用研究。最后,归纳出了DFM计量分析的研究脉络和未来的发展方向。

开放进程中人民币汇率间相依性研究——基于动态Copula-GJR-t模型的分析

构建动态Copula-GJR-t模型对汇改后人民币兑美元、欧元和日元汇率间的相依结构进行考察。研究表明:人民币兑美元与兑欧元、兑日元汇率间存在负相依性,人民币兑欧元与兑日元汇率整体上呈现正相依性;在极端事件下,各汇率间相依性较正常时期发生很大变化,但不像股票市场那样呈现增强的正相依性;人民币兑美元与兑欧元、兑日元汇率的上、下尾相依性基本为零,说明它们不存在同时大涨或大跌的可能性,而人民币兑欧元与兑日元汇率有波动较大的上、下尾相依性,说明两者存在汇率风险传染关系。

基于广义动态信息模型的机床结合部动刚度参与因子辨识方法

针对在广义刚度场中研究结合部对机床动态特性的影响以及动力学参数优化设计的需要,提出一种基于机床广义动态信息模型的结合部动刚度参与因子的概念和辨识计算方法。采用响应面方法(Response surface methodology,RSM)建立描述广义刚度场中机床轴端动刚度与结合部动力学参数关系的广义动态信息模型;以结合部动刚度单位变化值为广义动态信息模型的输入量,计算轴端动刚度变化值作为结合部动刚度参与因子的辨识依据。以精密卧式加工中心为对象,将该方法应用于立柱-主轴系统的导轨、滚珠丝杠结合部动刚度参与因子辨识和试验验证。结果表明,该方法可以有效地识别出对机床动态特性影响较大的关键结合部,从而为结合部动力学参数的定量优化设计提供一种技术上支持。

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。

基于双因子高斯过程动态模型的声道谱转换方法

针对作者已经提出的双因子高斯过程隐变量模型(Two-factorGaussianprocesslatentvariablemodel,TF-GPLVM)用于语音转换时未考虑语音的动态特征,并且模型训练时需要估计的参数较多的问题,提出引入隐马尔科夫模型(Hidden Markov model,HMM)对语音动态特征进行建模,并利用HMM隐状态对各帧语音进行关于语义内容的概率软分类,建立了分离精度更高、运算负荷较小的双因子高斯过程动态模型(Two-factor Gaussian process dynamic model,TF-GPDM).基于此模型,设计了一种全新的基于说话人特征替换的语音声道谱转换方案.主、客观实验结果表明,无论是与传统的统计映射和频率弯折转换方法相比,还是与双因子高斯过程隐变量模型方法相比,本文方法都获得了语音质量和转换相似度的提升,以及两项性能的更佳平衡.

动态因子模型与ARMA模型的比较

在时间序列模型中,随着变量数目的增加,所要估计的参数的数量也随之加大,结果在应用中模型中通常不得不选取尽量少的变量。动态因子模型独特的优势在于,它不必考虑自由度损失问题,也不必对经济结构施加约束。文章根据中国宏观经济变量数据库中的41个变量,建立了动态因子模型预测GDP,并与ARMA模型的预测结果进行了对比。结果显示,动态因子模型的预测效果优于ARMA模型。

基于广义可加模型分析温湿度因子对斑翅果蝇田间种群动态的影响

探究温湿度因子对田间斑翅果蝇Drosophila suzukii Matsumura种群发生动态的影响,为进一步开展环境胁迫下斑翅果蝇适应性机制研究提供前期基础和参考。本文监测统计了2016-2017年田间斑翅果蝇成虫种群动态数据,并利用广义可加模型(Generalized Additive Models,GAM)分析温湿度因子对成虫种群发生动态的影响。结果表明,通过模型检验和广义交叉验证值(Generalized Cross-Validation,GCV)对比,得出温湿度因子显著影响了2016-2017年斑翅果蝇田间成虫种群发生动态(P<0.05),斑翅果蝇雌成虫、雄成虫、总种群数量的GAM模型参数α分别为2.21346、2.55606和3.08316;雌成虫、雄成虫、总种群数量与温湿度因子关联的GCV值分别为0.57299、0.74501、0.64611,因此雌成虫种群数量与温湿度因子拟合的模型最优;结合温湿度预测曲线分析,斑翅果蝇成虫种群发生动态与温湿度因子之间呈非线性相关,其中温度在23℃以下呈局部负相关,在23℃以上呈局部正相关;与湿度呈正相关,但影响程度较低,因此温度是影响斑翅果蝇成虫种群数量动态的关键生态因子。本文通过探究环境因子对田间斑翅果蝇种群消长规律的影响,为斑翅果蝇的种群发生机制提供了生态学理论基础。

基于地球化学因子影响的生活垃圾降解动态模型

在生物反应器填埋场厌氧填埋实验研究的基础上,进行了垃圾降解的地球化学过程分析,建立了受地球化学因子影响,反映生物反应器填埋场水质变化的COD、VFA、及NH4+-N浓度变化的动态模型。研究表明:该模型拟合值与实测值吻合较好,能较好地预测垃圾填埋降解过程中水质的变化,为填埋场的渗滤液处理和水质污染控制提供理论依据。

动态距离权重因子的隐马尔可夫模型地图匹配算法

针对低频采样时地图匹配算法易出错、稳定性差等问题,提出了一种基于动态距离权重因子的隐马尔可夫模型地图匹配算法。引入动态距离权重因子优化路段检索区域,计算定位点与候选道路间的匹配度M,其数值较大的候选路段所对应的为最终确定的候选路段。研究结果表明:本文提出的匹配算法的单点匹配时间约为5.20 ms,匹配准确率可以达到90%以上,优于其他3种对比算法。

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。