基于混合藤Copula模型的风光联合发电相关性建模及其在无功优化中的应用

为解决多维风光联合发电相关性建模问题,提出结合K-means聚类和藤结构原理建立混合藤Copula模型。考虑光伏出力昼夜周期性,利用混合藤Copula模型重点分析风光联合出力在日间的相关性,并在该模型的基础上结合回溯搜索算法对电力系统进行无功优化。以美国某地区相邻2个风电场、1个光伏电场的实测数据为例,在IEEE 30节点系统中对所提方法进行验证。算例结果表明,所提方法能够更准确地描述多维风光出力的相关性,并且利用该方法建立的无功优化模型能有效降低网损,减少节点电压偏差和发电机无功偏差。

基于扭曲混合Copula函数的均值-ES模型的构建与应用

考虑到金融资产间的极端尾部相依结构对投资组合风险优化的影响,构建基于扭曲混合Copula函数的均值-ES模型,通过扭曲函数来刻画金融资产间的极端尾部特征,获得一定预期收益下的投资组合优化策略。首先,将均值-ES模型中用于刻画相依结构的协方差矩阵扩展为可以描述极端尾部相依结构的扭曲混合Copula函数,构建了基于扭曲混合Copula函数的均值-ES模型;其次,提出了基于该模型的ES估计算法;最后,通过数值模拟和实证研究说明了该模型用于刻画极端尾部相依结构特征并进行投资组合优化的效果。数值模拟的结果表明,基于扭曲混合Copula函数的均值-ES模型适用于具有极端尾部相依结构特征的数据集;利用该模型进行投资组合优化后收益明显提升,风险显著降低。实证研究的结果表明,该模型能显著提升最优投资组合的样本外策略表现,同时返回检验的结果也验证了使用该模型对投资组合优化进行风险预测的准确性。因此,基于扭曲混合Copula函数的均值-ES模型弥补了传统投资组合风险优化模型中忽略极端尾部风险的不足,推动了扭曲混合Copula函数在投资组合风险优化中的应用研究。

股票资产组合VaR研究——基于混合D藤Copula模型

本文在对上证市场五种股票资产组合的风险分析中以VaR作为风险度量指标,采用基于Pair Copula高维建模理论的混合D藤Copula模型,建立了反应多个资产组合相关结构的联合分布模型。该模型对传统D藤Copula建模方法作了进一步的改进,通过一定的选择标准,确定了D藤中每个Pair Copula函数的最优函数族,这样使得所建立的模型不仅考虑到了资产维数的影响,而且还能捕捉到组合内部因子间相关结构的差异性,从而改进后的模型能更好地描述资产组合的相关结构,并且能更精确地反映资产组合收益的实际分布。最后,以混合D藤Copula模型为基础,利用Monte Carlo方法计算了上证市场五种股票资产组合的VaR,并通过实证研究进一步证明了该模型的有效性。

基于混合C藤Copula模型的外汇资产组合VaR研究

本文在对资产组合的风险分析研究中以VaR作为风险度量工具,采用基于Pair Copula高维建模方法的混合C藤Copula风险分析模型,构建了反映多个资产收益实际分布和相依性的联合分布函数。该模型对C藤图形化建模工具作了进一步改进,根据变量间相关性强弱确定变量顺序,并对各Pair Copula都依据一定的标准选择最优函数族。以此建立的模型不仅考虑到了维数影响,而且能捕捉到资产组合因子间的相关性差异,从而能更好描述资产组合的相依结构。在此基础上,利用MonteCarlo方法计算了中国外汇市场上七种外汇资产投资组合的VaR,并通过实证分析验证了该模型的有效性。

中国内地与香港地区股票市场尾部相依性分析——基于混合旋转Clayton Copula模型

构建基于BFGS算法优化的混合旋转Clayton Copula模型,选取上证指数收益率与恒生指数收益率分别代表中国内地与香港地区股票市场收益率的研究表明,我国内地与香港地区股票市场尾部呈正相依关系,且尾部相依结构具有不对称性,下尾分布较上尾分布更重;相比于单个Copula模型和混合Copula模型,基于BFGS算法优化的混合旋转Clayton Copula模型能更准确地估计参数,更全面地拟合我国内地和香港地区股票市场的尾部相依性。建议两地加强监管合作,共同制定和执行市场监管政策;通过大数据分析、机器学习等技术手段,提高风险识别的准确性和时效性,完善风险预警机制;引导投资者理性看待尾部风险,使其认识到市场收益率尾部相依结构的存在,并在投资决策中充分考虑尾部风险。

基于藤结构Copula-SV模型的外汇投资组合风险分析

文章针对现有时间序列统计模型对高维金融资产收益率特征描述不充分导致的风险度量不准确问题,构建了藤结构Copula-SV模型,用以对单个外汇资产收益率的波动异方差性和外汇资产间的复杂相关性进行描述。基于四种外汇资产(美元、欧元、日元和港币)的实证结果表明藤结构Copula-SV模型能较好地描述外汇资产的波动异方差性和复杂相关性,且基于拟合模型采用对偶变量法的Monte Carlo模拟计算出来的VaR通过了Kupiec失败率检验。

基于混合Copula模型的水稻保险费率厘定

模拟产量风险和价格风险的联合分布是农业收入保险费率厘定的重点和难点。借助核密度估计方法和混合Copula模型研究了水稻产量和价格风险因子的联合分布并厘定了产量、价格和收入三种保险的纯费率。研究表明:(1)与单一Copula函数相比,混合Copula模型更适合拟合多风险因子的联合分布。(2)早稻价格风险导致的收入损失高于产量风险导致的收入损失,中稻和晚稻产量风险导致的收入损失高于价格风险导致的收入损失。(3)由于产量风险和价格风险的对冲,江苏、安徽、江西、河南、贵州和广西具备了在中稻、晚稻主产区试点收入保险的客观条件。(4)在100%的保障水平下,中国水稻产区早稻收入险纯费率为8.60%~12.84%、中稻收入险纯费率为5.89%~12.07%、晚稻收入险纯费率为4.59%~7.94%。

电网可靠性评估中相关性变量的非参数R藤Copula模型

Copula函数可将多维随机变量的边缘分布和相关性结构分开表达,在计及相关性的电网风险分析中日益得到重视。在二维相关性建模上Copula函数精度较好,而高维情况则面临模型参数估计的复杂性和准确性问题。据此,该文提出非参数R藤Copula模型,基于高维模型分解思路将高维Copula函数分解成多个二维Copula函数的乘积,并基于数据驱动方式实现二维Copula函数的非参数估计,此外为避免非参数估计中随机变量分布范围超出实际可行域的问题,进一步提出概率空间变换的思路。该文方法可实现高维随机变量相关性模型的灵活准确构建,最后,通过相关算例分析验证方法的正确性和有效性。

基于藤Copula分组模型的金融市场风险度量研究

传统未分组的藤Copula模型可用于刻画金融资产间的相依性,但存在将所有不同行业资产视为一个整体的问题。本文在充分考虑金融市场中各机构所属行业不同的基础上,提出了藤Copula分组模型,给出了该模型算法的具体步骤,并证明了算法的收敛性。最后通过返回检验方法,对比研究了藤Copula分组模型和未分组的藤Copula模型对银行业、证券业和保险业间VaR估计的精度差异,结果表明藤Copula分组模型的预测效果更准确且更有效。

基于GAS-混合Copula模型的不同行业系统性风险研究

金融危机后,对系统性风险的度量、预测和监管受到理论界和实践界的广泛关注。基于2012—2018年沪深300成分股36家上市公司的数据,构建广义自回归得分(GAS)—混合Copula模型度量其边际期望损失(MES),分析行业系统性风险贡献。研究表明:除金融业个股,其他行业个股与市场的下尾相依性大于上尾;个股系统性风险贡献取决于其所属行业,同行业个股系统性风险贡献度相近;银行业系统性风险贡献最小,券商和房地产行业风险贡献最大;市场下跌期,金融业个股MES值波动小于其他行业。

基于藤Copula的GAMLSS模型与非寿险准备金评估

在假设各个业务线的增量已决赔款服从伽玛分布、逆高斯分布和对数正态分布的基础上,建立了各个业务线增量已决赔款的GAMLSS模型,并将此模型应用于一组具有明显异方差的车险数据,拟合效果优于均值回归模型.另外,在多个业务线的准备金估计中,不同业务线之间的相依性通过藤Copula函数来描述.用D藤Copula描述相依关系的GAMLSS模型对准备金的评估结果既优于独立假设下的GAMLSS模型和链梯法对准备金的评估结果,同时还刻画了不同业务线之间的尾部相依性.

基于藤Copula分组模型的股票市场风险优化研究

文章在充分考虑金融上市公司所属行业类型不同的基础上,扩展了二元Copula分组模型,构建了基于藤Copula分组的均值-ES模型,通过实证方法研究相依结构对中国股票市场优化风险的影响。结果表明:与藤Copula模型相比,藤Copula分组模型在样本内对应的有效前沿表现更好,改善了样本外股票市场最优组合策略的表现,并且返回检验结果也验证了该模型优化风险的准确性和有效性。

下尾风险与预期收益率的灾难敏感性——基于混合Copula模型的实证分析

本文利用二元混合Copula模型刻画个股与市场的尾部相依结构,以估计出的下尾系数作为个股下尾风险,考察下尾风险的时变性与市场崩溃的关联,通过检验下尾风险与预期收益率的关系分析个股的灾难敏感性。结果发现:下尾系数具有时变性,能够刻画市场的极端崩溃事件;下尾风险对个股预期收益率具有显著正向影响,这种关系持续了较长的观测期间,但随时间不断衰减;在控制了上尾风险、协偏度、协峰度、下行风险等特征后,下尾风险与预期收益率正相关关系依然稳健。这证实预期收益具有时变的灾难敏感性,下尾风险在预期收益率中得到溢价补偿,可以为防范灾难风险提供帮助。

基于藤Copula的HAR模型扩展

波动率可以衡量金融市场风险,在资产配置和风险管理等方面有重要意义。文章在基于高频交易数据的HAR模型上对其进行修正,利用藤Copula对HAR模型涉及的四个波动率成分联合建模(CV-HAR模型),并基于历史数据的条件期望提取波动率预测值。实证分析以上证交易所的20支股票作为研究样本,对CV-HAR模型和历史模型(HAR)性能进行评估,结果表明,CV-HAR模型克服传统模型线性结构限制,并充分描述了联合分布依赖关系,在对未来波动率的预测行为方面更加精准。

基于动态R藤Copula模型的区域风电集群超短期功率区间预测方法

为应对风电功率不确定性问题带来的电网安全稳定运行风险,近年来区间预测方法受到了广泛关注,但现有研究主要集中于单风电场预测领域,对于区域风电集群功率区间预测方法较少涉及。针对上述问题,建立了动态化的R藤Copula模型,提出了区域风电集群超短期功率区间预测方法。首先,详细阐述了区域风电集群超短期功率区间预测的基本框架。其次,简要说明了基于R藤Copula模型建立多风电场预测功率和整体预测误差联合概率分布的方法。然后,分3个步骤建立了动态化的R藤Copula模型,包括:基于ARIMA-GARCH模型建立动态边缘分布模型;引入DCC、Patton模型建立动态Pair Copula模型;提出动态R藤Copula的拓扑结构计算方法。最后,结合新疆东北部9个风电场一年的数据开展了仿真。仿真结果验证了所提模型的有效性,同时表明所提模型的预测结果具有良好的可靠性、锐度和技术得分指标。论文研究可为区域风电集群超短期功率区间预测提供参考。

人民币汇率与股市的风险溢出效应再检验——基于马尔科夫转换GARCH模型和混合时变copula模型的研究

本文以人民币兑美元汇率和沪深300指数为研究对象,使用马尔科夫转换GARCH模型分析了两者的波动非线性特征,利用该模型将汇率波动按照低频和高频状态分成了三个区间,并且从时间上与2015年的汇改相重合。同时,使用混合时变copula对三个子样本上汇率市场和股票市场波动率关联性建模。研究发现:2015年的汇率改革重塑我国汇率市场和股票市场的风险溢出效应;汇改后,两市风险关联性增加,并表现出了正面溢出效应。

基于时变混合Copula-MAR模型的股市间风险传染分析

随着经济全球化的发展,金融市场间的风险传染问题越来越受到学术界的关注。本文利用高斯混合自回归(MAR)模型估计收益率的边际分布,其独立性等检验表明,MAR模型能很好地描述"尖峰厚尾"和"有偏"的现象。通过利用权重时变的混合Copula描述收益率间的动态非线性和非对称的动态相关性,本文对中国股市与国际主要股市的相关性进行实证研究,结果表明,无论是从下尾相关性还是上尾相关性来看,中国股市与美、英、日主要股市之间的相关性均还处于较低水平,与香港股市的相关程度相对较高。而当异常事件发生时,美、英、日和香港股市对中国股市的风险传染效应则十分显著。

基于混合Copula和ARMA-GARCH-t模型的股票指数风险度量研究

针对近期中国股票市场的剧烈波动给投资者带来的影响,本文选取中国沪深股市和香港股市中具有代表性的3种股票指数的日收益率数据进行建模分析。选用ARMA-GARCH(1,1)-t模型拟合其边缘收益率序列,利用Gumbel、Clayton和t-Copula的线性组合函数刻画其相关结构,再运用蒙特卡罗模拟方法计算不同置信水平下各股指的风险价值、预期损失和中位数损失,其中中位数损失是最近才提出的一种新的风险度量指标。本文的研究结果可以为有着不同风险偏好的投资者和管理者监管系统性风险提供借鉴。

混合Copula模型选择及其在上证A股、B股相关性分析中的应用

混合Copula模型中Copula函数的选择直接影响模型的拟合效果,目前多数文献侧重在阿基米德族中进行组合,然而一个族中的函数性质较相似,不如从不同的族中进行组合效果好,因而本文扩大选择范围,利用单一Copula函数的AIC值从椭圆族和阿基米德族中挑选出表现较好的Copula函数进行组合,并采用EM——BFGS算法对混合Copula模型求解.最后将此方法应用于上证A股、B股相关性分析中,得出由椭圆族和阿基米德族中的Gaussian Copula、t-Copula、Gumbel Copula组成的新混合Copula模型相较于阿基米德族混合Copula模型AIC值更小,拟合效果更优的结论,证明了该方法的有效性.

基于混合Copula模型的经济增长和保险发展相关性分析——以西北五省为例

在混合Copula模型的基础上,对经济增长与金融发展之间相关性进行研究.利用频率直方图并与单一Copula的AIC值结合,选出适合的Copula函数,形成混合Copula模型.运用EM-BFGS算法,求解混合Copula模型,再利用拟合优度检验和AIC值评价该模型.结果表明,混合Copula模型的AIC值较单一Copula模型的AIC值更低.最后,将1995-2015年西北地区的保险数据与GDP数据应用于实证分析并验证了该模型的有效性.