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。

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。

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。

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。

非对称广义自回归条件异方差的新模型

本文提出了一个新的非对称广义自回归条件异方差的新模型，证明了该模型宽平稳及其最简模型偶数阶矩存在的充要条件．

基于广义自回归条件异方差模型的世界原油运价风险分析

为有效评估世界原油运价风险,根据世界原油运输市场运费收益的基本特性,选用基于广义误差分布(Generalized Error Distribution,GED)的广义自回归条件异方差(Generalized Auto-Re-gressive Conditional Heteroskedasticity,GARCH)模型,计算原油运价收益率波动的风险值.该模型很好地描述了运价收益率曲线尖峰厚尾、波动聚集性以及杠杆效应等特征.以波罗的海航运交易所发布的波罗的海原油油船运价指数(Baltic Dirty Tanker Index,BDTI)为例进行研究分析,检验结果表明该方法有效.

广义自回归条件异方差模型的贝叶斯参数估计

文章建立基于偏正态分布的广义自回归条件异方差模型(GARCH-SN)的贝叶斯参数估计方法。通过MCMC抽样中常用的MH算法解决贝叶斯估计中遇到的高维数值计算问题,得到稳定的抽样序列。模拟显示MCMC抽样序列平稳,贝叶斯估计过程中不需要调整MCMC抽样,抽样后得到的均值接近真值,输入集样本量增大得到的估计值偏离真值的程度随之减小。

基于混频广义条件异方差模型的农产品市场价格风险度量研究

以宏观变量为研究对象,运用混频广义条件异方差(GARCH-MIDAS)模型研究我国农产品市场价格风险的测度问题。考虑宏观变量对农产品价格的影响,选择居民消费价格指数、工业增加值增速、广义货币供应量、人民币汇率、同业拆借利率等宏观变量,利用VaR方法构建基于GARCH-MIDAS模型的农产品指数、玉米连续指数、郑棉C1901指数风险评估模型。实证表明:考虑不同宏观变量构建模型并比较VaR估计值,Kupiec失败率检验证实GARCH-MIDAS模型贴切刻画农产品市场价格风险,较未考虑宏观影响的GARCH模型更加精确。

三元肥效模型异方差诊断及其可行广义最小二乘回归建模研究

【目的】探讨肥效模型建模新方法,旨在进一步提高肥效模型建模科学性和田间试验成功率。【方法】根据171个早稻"3414"设计的氮磷钾田间肥效试验结果,应用现代回归分析理论,研究三元肥效模型异方差的产生原因和统计检验方法,应用可行广义最小二乘法(FGLS)建模策略消除肥效模型异方差的危害。【结果】根据肥效模型的专业特点,田间试验设计及其管理水平、土壤肥力水平及其空间异质性、模型设定优劣等因素是肥效模型产生异方差的主要原因。怀特(White)检验、帕克(Park)检验和冠因克-巴塞特(KB)检验表明,三元肥效模型异方差达到统计显著水平的比例为25.15%。针对严重异方差的田间试验资料,FGLS回归建模能将部分试验点的试验结果,由普通最小二乘法(OLS)回归建模未达统计显著水平转化为达到统计显著水平,或者将非典型式转化为典型肥效模型;典型式出现几率由OLS回归建模的27.68%提高到34.99%。对典型三元肥效模型,FGLS回归模型的推荐施肥量与OLS回归模型的推荐施肥量大致相当。研究表明,与OLS回归建模相比,FGLS回归建模大幅度降低回归模型的误差均方,同时也明显减小模型各个参数的方差,从而改善了肥效模型的拟合精度和模型预测能力。【结论】FGLS是消除或缓解三元二次多项式肥效模型异方差的有效方法,可明显提高田间试验资料的建模成功率。

基于实际收益率分布的均值-方差-条件风险价值多目标投资优化模型

为改善均值-方差模型不能充分反映金融资产实际收益率分布的不足,在不对金融资产收益率分布做任何假设的基础上,引入条件风险价值度量金融资产重大损失风险,建立均值-方差-条件风险价值多目标投资优化模型,提出计算模型有效前沿的理论基础和算法步骤。基于上证50指数成分股的实际数据计算了该模型的有效前沿。计算结果表明:所提出的算法具有满足投资实践所要求的可操作性;投资组合实际收益率不服从正态分布,均值-条件风险价值模型有效集并不是均值-方差模型有效集的子集;相对均值-方差模型和均值-条件风险价值模型,均值-方差-条件风险价值模型能够更好地反映金融资产的实际收益率分布,提高投资者管理投资风险的能力。

自回归条件异方差(ARCH)模型及应用

自回归条件异方差过程是一种新的随机过程，被用于研究时间序列。它展示了随机变量的一种关系：序列方差随时间变化而变化。本文给出估计方法、模型的检验以及一个实证例子。

基于不同分布假设条件的自回归条件异方差族模型在评估日前电力市场风险价值中的应用比较

以美国宾夕法尼亚-新泽西-马里兰日前电力市场为例,对采用基于不同分布假设的自回归条件异方差族模型评估市场的风险价值进行了比较研究。首先利用自回归条件异方差族模型分析得到了边际电价收益序列的条件方差序列,然后利用风险价值计算公式得到了不同分布假设条件下的风险价值序列,并比较了不同分布假设条件下的风险估计效果。分析结果表明,在一天中的不同时刻,分别建立基于不同分布假设的风险价值模型具有较好的效果。

基于不对称自回归条件异方差模型的短期负荷预测

研究了负荷时间序列的自回归条件异方差效应,提出了一种基于不对称自回归条件异方差模型的短期负荷预测方法。建立了广义误差分布假设下的不对称广义自回归条件异方差模型,借助模型的不对称参数,分析了不同冲击下的不对称机制,比较了各种广义自回归条件异方差模型的预测能力。其中,幂指数广义自回归条件异方差-广义误差分布模型的预测效果尤为突出。最后通过实际算例验证了上述方法的可行性和有效性。

自回归条件异方差模型在宏观经济预警中的应用

将ＡＲＣＨ模型引入宏观经济预警，讨论了ＡＲＣＨ预警系统的指标设计、ＡＲＣＨ预警方法以及预警警限的界定，给出了一种具有ＡＲＣＨ特征的警限界定方法。

自回归条件异方差模型在医学数据分析中的应用

为探讨自回归条件异方差模型在医学数据分析中的应用效果 ,采用自回归条件异方差模型对实例进行了分析 ,并与多元回归分析结果进行了比较。结果显示 ,当数据方差不齐时 。

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。

最小二乘支持向量机在条件异方差模型中的应用

相对于标准的支持向量机,最小二乘支持向量机是将求解二次规划问题转化为求解一组线性方程,从而能提高求解速度。将最小二乘支持向量机和GARCH模型相结合应用于金融时间序列预测中。通过在实际股票市场预测中的比较分析,能够证实所给方法是可行的、有效的。

太阳黑子的多项式趋势-自回归-条件异方差模型

用确定性趋势与残差服从条件异方差模型的自回归模型组合,作为太阳黑子相对数的数学模型.用它拟合1848—2002年太阳黑子相对数数据,取得很好的效果.首先通过逐步回归与逐步自回归,建立太阳黑子数的多项式趋势 自回归校正模型.然后通过PortmanteauQ检验和Lagrenge乘子检验证明残差存在强烈的异方差性,表明仅仅用多项式趋势 自回归校正模型是不够的.再配上一种条件异方差模型,即EGARCH模型控制其残差方差.从而建立多项式趋势+自回归+EGARCH模型.用此模型进行数据拟合回代,分析和预测,表明该模型的拟合,预测效果是好的,所分析的太阳黑子周期是恰当的.