广义预测误差方差分解及其在证券市场冲击传递性研究中的应用

方差分解是向量自回归模型中研究各变量的冲击对所有内生变量预测误差贡献的方法。文章介绍了广义预测误差方差分解,同传统的正交预测误差方差分解相比,这种方法的特点是不受向量自回归模型中变量排序的影响。文章利用广义方差分解研究了沪市各个分类指数之间的关系,显示了系统冲击在各个行业指数之间传递的特点。

差分生长模型预测误差的分析

差分模型是一种特殊随机参数模型,仅有一个参数为随机参数。对于未参与抽样建模的林分,差分模型首先对应变量在林龄Aij0时的期望函数求解关于随机参数的表达式,然后用非随机参数的估计值和应变量在Aij0时的观测值Yij0分别取代对应参数和数学期望E(Yij0)来估计随机参数。显而易见,Yij0相当于E(Yij0)的估计值。由于这种特有的统计特征,经典非线性回归模型不能准确地估计差分模型预测误差的方差。针对这一不足,依据非线性回归模型预测误差的方差估计量的推导过程,导出了一个适用于差分模型的预测误差的方差估计量,并给出一个应用示例。所提出的估计量充分地考虑了重复观测数据的自相关性和Yij0对预测的影响作用。结果表明,该估计量能够描述未抽样林分预测误差的方差及其构成分量的变化趋势,而对于抽样建模的林分应该使用非线性回归模型的估计量进行预测误差分析。

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。

基于误差校正的中长期负荷预测模型

中国的中长期负荷呈现明显的增长趋势,大部分插值算法在预测建模时,对区间外预测结果的有效性得不到保证。文章建立了一个综合时间序列建模和回归建模优点的模型来预测湖南衡阳地区年度负荷。将总量数据转换成增速数,然后建立广义自回归条件异方差(general autoregressive conditional heteroscedasticity,GARCH)对负荷增速序列建模。建立回归模型分析GARCH模型的残差中未被GARCH模型解释的外界影响,然后根据回归预测的残差对GARCH模型误差进行校正。在选择回归模型变量时,引入格兰杰因果检验筛选适当的影响因素,引入主成分分析提取影响因素中包含的信息,降低自变量的维数,提高中长期负荷建模精度。实例研究表明该方法对于中国中长期负荷预测较为准确。

基于多尺度分解集成组合模型的碳价格预测研究

准确预测碳价格不仅有助于投资者及监管部门的科学决策,而且有助于碳金融市场的健康发展。考虑碳价格预测的复杂性,基于“分解-重构-预测-集成”的建模原则,构建了多尺度碳价格集成组合预测模型。首先,采用改进型自适应白噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)算法对碳价原始序列进行分解,并以综合贡献度指数(comprehensive contribution index,CCI)对分量进行重构,得到短期、长期和趋势分量;然后,采用门限广义自回归条件异方差(threshold generalized auto-regressive conditional heteroscedasticity,TGARCH)模型预测短期分量,以布谷鸟搜索(cuckoo search,CS)算法优化超参数的长短期记忆(long-short term memory,LSTM)神经网络预测长期和趋势分量;在此基础上,采用非线性集成算法对各分量预测结果进行集成,得到最终的碳价预测结果。以湖北碳市场为样本数据进行实证分析,结果表明所构建的预测模型性能最优,预测结果更准确,可为监管部门和企业决策提供有效信息。

基于LSTM-NPGARCH的电力市场售电量预测模型

售电量的准确预测对推动电力市场的发展和建设具有十分重要的意义,考虑售电量具有非平稳性、非线性和随时间变化的复杂特性,本文提出基于小波变换和LSTM算法的短期售电量预测模型。首先采取小波变换法将售电量数据分解为细节分量和近似分量,然后使用LSTM模型进行预测,得到初步预测结果,再使用NPGARCH模型进行预测结果修正,最后将预测的结果累加,得到最终售电量预测结果。在实验中采用某售电公司的真实数据集,基于历史统计售电量数据的预测结果分析表明,本文提出的预测模型具有良好的预测精度。

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。

生猪价格的省域空间溢出效应及其动态关联分析——基于空间面板模型和DY分解

[目的]分析生猪价格的省际空间溢出效应,并通过各省域间价格联动效应探究我国生猪价格体系的传导机制,对治理我国生猪产业区域不均衡发展问题具有重要意义。[方法]文章建立空间杜宾模型探索生猪价格的空间传导特性,引入溢出效应分解分析替代品价格、成本要素对省域生猪价格的冲击效应,并运用广义预测误差分解测定省际生猪价格关联水平及方向。[结果](1)我国生猪价格波动具有显著空间相关性和异质性,其空间集聚特征随时间推移愈发显著,产业布局呈现“高—高南部簇拥,低—低东向西扩”的空间演变特征。(2)省内替代品价格、成本要素对生猪价格波动的影响显著但作用力度有限,省际溢出效应是生猪价格发生空间传导的主导因素。(3)鸡肉价格与省内、省外的生猪价格存在密切正向关联;牛肉价格波动推动本省生猪价格同步波动;豆粕价格波动对本省或邻省生猪价格均起到正向推动作用;玉米价格变化引起本省或邻省生猪价格的负向变化。(4)辽宁、河北、吉林、河南等省的正向净关联度较大,属于波动“主导者”或“发动者”;上海、广西、重庆等省市的负净关联度较大,隶属价格波动的“接收者”;江苏、湖南、福建等省市的关联度和全国平均关联度持平,在价格波动传导体系中属于波动“中介者”。[结论]有关部门应针对不同省域在生猪价格传导体系中所发挥职能的不同,分级管控生猪价格,同时促进地方畜牧业经济发展,不断优化我国生猪养殖产业区域布局。

碳市场对高耗能行业的风险传染研究

碳市场作为实现“双碳”目标的重要工具,与高耗能行业有着密切联系,研究碳市场对高耗能行业风险溢出,以及风险传染的路径,对于碳市场稳步推进高耗能行业转型,防范金融风险有着重要意义。本文基于TVP-VAR模型的方差分解溢出指数分析碳市场与高耗能行业的动态联动性和风险传递机制。在此基础上,利用净配对溢出指数构造三阶段复杂网络,从网络视角分析不同时期碳市场与高耗能行业间的风险传染特征。实证结果表明,碳市场处于风险的净接收方,在新冠肺炎疫情冲击和全国碳市场建立时期,对外溢出能力增强,碳市场与高耗能行业的风险传染网络更加紧密,风险传播能力增强。

中国经济增长和能源消费的动态特征

本文运用基于向量自回归（VAR）模型的广义预测误差方差分解和广义脉冲响应分析方法，在资本、劳动和能源三要素单部门新古典生产函数的框架内，以中国1988～2005年期间的能源消费和经济增长数据为样本，考察了二者之间的动态特征。结果显示：一方面，在短期，经济增长对能源消费的影响不十分显著，而在长期，除了资本增长外，经济增长是能源消费增长的重要因素，短期和长期的贡献度分别为4．36％和14．92％；另一方面，能源消费是仅次于资本的第二生产要素，短期和长期的贡献度分别为6．98％和44．19％，生产函数中投入要素重要性的排序从高到低依次为资本、能源和劳动力。能源消费增长的冲击对经济增长有正的影响作用，在第五年达到最大；反过来，经济增长的冲击对能源消费增长也有稳定的正向影响。中国的经济增长和能源消费具有内生且相互联系的特征，除此之外，还发现在前3年能源和劳动存在替代关系，而与资本是互补的。最后，指出了中国在能源约束下实现经济可持续发展所面临的挑战和机遇并提出了建议。

欧洲主权国家债CDS的风险溢出研究

20世纪80年代以来,主权债务危机频频发生,并且从墨西哥、俄罗斯、阿根廷等新兴市场国家逐渐转向德国、英国、法国、希腊等欧洲发达国家。影响范围也从最初的区域性演化为全球性的,越来越成为世界经济发展的羁绊。在此期间,不仅欧美发达国家债台高筑,新兴市场国家的主权债务规模也在迅速扩大,各国的债务负担愈发沉重。2020年初新冠肺炎疫情开始在全球蔓延,进一步加大了全球主权债务风险及欧洲主权国家债信用违约互换风险。与此同时,欧洲各国除了自身主权债务风险上升以外,国家间的风险溢出也会进一步推高其主权债务风险水平,信用违约互换风险亦是如此的。本文利用向量自回归模型并且结合广义误差方差分解(GEVD)和DY溢出效应指数分析研究不同时期的欧洲主权国家债CDS的风险溢出效应。本文的研究结果:希腊不管处于哪个时期,日度CDS的价格一直是这七个国家中最高的。相比金融危机前,欧元区危机之后各国的CDS价格的相关性普遍为正相关,且相关性明显普遍比金融危机前更高。在金融危机期间,各国主权债的CDS价格都普遍要比其它任何一个时期都要高度相关。

经济政策不确定性对金融业系统性风险的溢出效应研究

基于2010年1月至2020年11月的月度数据,通过分位数回归模型测度了各金融行业的系统性风险,并运用广义预测误差方差分解模型探讨经济政策不确定性(EPU)对各金融业系统性风险的溢出效应。实证结果表明:(1)在考察系统性风险时,各金融业均为经济政策不确定性溢出的净接收方,但银行业与证券业相对于保险业来说,对于经济政策不确定性施加的溢出表现更为敏感。(2)在银行业内部,经济政策不确定性对于非国有银行的净溢出远高于其对于国有银行的净溢出。(3)银行系统对于各类冲击事件所带来的经济政策不确定性皆较为敏感,且溢出水平的分布表现得较为分散,而证券系统在金融类事件频发时期受到的溢出更为持续且集中,保险系统则对大多数事件所带来的经济政策不确定性并不敏感。

中国与世界主要国家房价波动溢出效应研究

借助缓冲区分析、向量自回归、广义预测误差方差分解等方法,用房价波动溢出指数测度中国与世界主要国家之间的房价波动溢出效应。实证表明:中国与各缓冲区国家的房价之间存在不同程度的总波动溢出效应和定向波动溢出效应。

中国省域经济不确定性的溢出效应研究

文章基于文本分析方法测算中国2005年1月至2019年12月的省域经济不确定性指数,运用广义误差分解思想估算我国省域经济不确定性的溢出效应,利用面板VAR模型的反事实分析方法对溢出效应的形成机理进行分析。结果表明:经济不确定性在各省份之间易于蔓延,且经济不确定性程度及波动率对其溢出效应存在正向作用;省际劳动、资本、技术的要素流动和贸易往来是经济不确定性溢出的两条主要渠道。

中国各地区出口的信息传导分析

首次运用非循环指向图(DAG)方法排列出中国8个主要出口地区的出口同期因果关系,在此基础上进行结构VAR建模以及预测误差方差分解,进一步考察了各地区出口的信息传导过程。实证结果表明:相邻地区之间的同期影响是各地区之间出口的主要的同期影响;北京、天津、上海、福建和山东的外生性很强;江苏、浙江和广东的外生性相对较弱;北京、天津、上海、江苏和山东是其它地区出口波动的主要发源地。

波动分解视角下中国能源业系统性风险溢出

【目的】能源行业与国家安全和经济发展息息相关,其系统性风险不容忽视。本文旨在研究常态和极端情形下能源行业间系统性风险溢出方向及特点,为能源行业系统性风险管理提供新的思路与方法。【方法】本文基于波动分解视角,将能源行业的波动风险分解为连续性和跳跃性成分,并通过向量自回归模型的广义误差方差分解思想,构建系统分析下各能源子行业及各波动成分间的溢出矩阵及溢出指标,并据此从静态和动态两个角度,研究了中国能源行业系统性波动风险溢出效应。【结果】实证结果表明:(1)能源行业有明显的跳跃性波动,行业内极端跳跃风险的积累会导致行业间系统性风险增加。(2)能源行业之间的系统风险溢出具有显著的时变性,在股市动荡期风险易向行业外扩散,系统性风险水平相对较高,但在稳定期则易转向行业内传染,系统性风险水平相对较低。(3)能源行业波动风险易在同种风险类型中传导,交叉风险传染有限,其中,能源系统性波动风险在行业间的溢出主要通过连续对连续路径实现,而行业内主要为跳跃对跳跃路径。(4)煤炭行业是连续性风险的最大发出者,电力行业是跳跃性波动风险的唯一发出者,新能源行业是以跳跃性波动形式接收外部风险的最大接收者。【结论】应密切关注能源行业系统性风险,并根据其传染特点进行灵活动态监管,稳定时期需重点关注行业内同类型风险间的溢出,在波动较大时期,应重点关注风险在跨行业和跨成分间的传染,坚决守住不发生系统性风险的底线。

人民币汇率对我国旅游外汇收入的影响——基于VAR模型的实证分析

在我国入境旅游迅速发展的背景下,人民币汇率对我国旅游外汇收入的影响值得深入研究.构建旅游外汇收入和人民币汇率的VAR模型,并通过误差修正模型、脉冲响应函数和预测误差方差分解动态分析人民币汇率对我国旅游外汇收入的影响.结果表明:旅游外汇收入和人民币兑美元汇率具有负相关关系;一定时期的人民币兑美元汇率是引起旅游外汇收入变化的Granger原因;人民币贬值,短期内会促使旅游外汇收入上升但其贡献越来越小,从中长期来看,人民币持续贬值使旅游外汇收入不断减少且其贡献作用会越来越大.

基于改进收益法和BS模型的碳中和债券价值评估研究

在“双碳”政策的大背景下,中国碳中和债券市场发展势头迅猛,鉴于当前碳中和债券价值评估存在实践案例少、方法单一、评估因素复杂等问题,本文为碳中和债券价值评估提供了一个新视角,即在基于金融市场风险传导的机制下,对传统收益法进行了折现率的修正以降低估值结果与实际偏差,再利用BS模型评估了碳中和债券中难以显化的环境效益。最后结合案例应用发现评估价值要高于发行价格,碳中和债券价值被低估,估值模型有合理性。研究有助于提高碳中和债券市场活跃度,并为碳中和债券价值评估实务提供一定参考。

基于CPI“篮子商品”的价格传导机制研究——对非食品渠道和食品渠道的考察

文章对CPI"篮子商品"中非食品类和食品类商品的价格传导机制进行考察,采用2005-2010年月度价格指数数据实证分析了两个产业链渠道的上中下游价格传导效应。研究结果显示,两个渠道内的价格指数之间都存在稳定的长期均衡关系,但短期内食品渠道内的价格传导比非食品渠道顺畅,而非食品渠道内存在显著的价格倒逼机制。当两个产业链上的价格各自受到外部冲击时,在食品渠道中能显著传递至下游的CPI,但在非食品渠道中传递至CPI的效应并不明显。

中国输入性金融风险:测算、影响因素与来源

研究目标:对中国输入性金融风险的大小进行测算,对主要影响因素以及风险输入的来源进行识别。研究方法:本文对输入性金融风险及相关概念进行了定义,分来源国家及来源市场进行建模,并利用VAR模型及广义预测误差方差分解方法对中国2009年5月至2019年4月输入性金融风险进行测算。研究发现:中国金融市场风险中,输入性的金融风险约占一半,其中股票市场的输入性金融风险最大、汇率市场次之、债券市场最小,输入来源地主要为美国市场和新加坡市场。通过对输入性金融风险进行分解,本文发现,外部风险起主导作用,中国金融市场开放程度主要影响汇率市场的输入性金融风险,风险抵御能力则主要影响股票和债券市场的输入性金融风险。从国际对比来看,中国的输入性金融风险小于主要的SDR货币国家或地区,而大于主要的金砖国家。进一步对比中国输入性和输出性金融风险,发现中国在国际上是净金融风险输入国,但净输入性金融风险在逐步减小。研究创新:考虑到多个国家及多个市场,本文对中国输入性金融风险进行了更全面的定义及更准确的测算,并分影响因素与来源进行分析。研究价值:有助于研判中国输入性金融风险变动情况,识别主要风险影响因素及来源,并据此制定相应的调控政策。