优化藤Copula的桥梁结构系统地震易损性分析

为在桥梁结构系统易损性中更好地考虑不同构件个体之间的相关性,文章提出一种新的优化藤Copula分析桥梁结构系统易损性的方法。该方法与现有的考虑构件类别之间相关性的桥梁系统易损性分析不同,是将桥梁系统包含的各个构件的易损性作为藤Copula函数中的一个变量。通过不同构件个体的地震需求样本间的秩相关系数,基于最短哈密顿路径方法筛选优化的藤Copula函数。从而避免大量的联合概率密度函数的求解以及信息判定准则的试算。同时,提出优化藤Copula函数是基于构件易损性补集的联合概率密度函数(PDF),通过其分析桥梁系统易损性仅需构建一个联合PDF,可避免求解构件不同组合情况下较多的联合PDF。选用四跨有桥台混凝土桥梁结构模型,用桥梁剩余能力模型模拟桥梁的损伤,用提出的方法分析具有桥墩桥台和支座共10个构件个体相关性的桥梁系统易损性,并与目前通常采用的考虑构件类别之间相关性的桥梁系统易损性分析以及Monte Carlo(MC)方法的结果对比,验证提出方法的有效性。

基于藤Copula-Monte Carlo方法的多事件巨灾债券触发概率模拟

当前全球自然灾害频发,传统的保险业已经无法承担日益严峻的巨灾风险。巨灾债券作为一种新型的金融创新产品,可以为巨灾风险提供更有效的分散方式。文章采用藤Copula模型来刻画多巨灾损失变量间的相关关系,在此基础上,将多巨灾损失变量的条件分位数估计应用到多事件触发巨灾债券的触发值设定。结合全球洪灾数据进行实证分析,通过Monte Carlo方法模拟多事件巨灾债券的触发概率,验证了所构建模型的可行性和优越性。

基于D藤Copula模型农业板块投资组合VaR测定

本文通过GARCH模型拟合边缘分布,通过copula技术刻画相关结构,构建D藤copula Garch模型,并将其应用于股票市场风险管理中。在组合投资决策方面,实现多个金融资产的组合投资决策:一是建立D藤copula-Garch模型,给出的多元条件联合分布建模方法;二是给出组合投资风险价值VaR评估方案,实现组合投资风险的度量;三是将该方法应用于A股市场农业板块5只个股的组合投资决策,验证了所提方法的有效性。本文研究具有一定的理论意义与应用价值。构建的D藤copula garch模型,为解决多元条件联合分布建模提供了一个有效的方法;组合投资风险价值计算的实证研究结果,可以为相关决策提供参考。

基于边际正则藤copulas对具有既定皮尔逊相关系数的多元离散随机变量的抽样算法

基于多元离散随机变量的抽样问题在实践中的应用价值,Erhardt和Czado提出了基于C藤Copulas的多元离散随机变量的抽样算法,其优化参数为C藤的边参数,目标函数为给定的皮尔逊偏相关系数与样本偏相关系数的距离.本文引入了边际正则藤Copulas的概念,进而直接以随机变量对的样本相关系数与给定的皮尔逊相关系数σij之间的距离为目标函数进行优化.三组模拟实验结果分别与文献[1]提出的基于C藤的抽样算法,文献[3]中使用的Naive基准抽样算法相比,基于边际正则藤Copula的抽样算法具有相对较高的精确性.本文中所使用的抽样算法通过Python语言实现并打包命名为countvar上传至PyPi.

基于藤copula–已实现GARCH的组合收益分位数预测

为准确预测分位数,利用已实现GARCH模型在边缘分布建模中纳入高频信息,通过藤copula刻画资产收益两两之间相异的相依结构,构建了资产组合收益分位数预测的藤copula–已实现GARCH模型.选取中国股市风格指数组合展开实证分析,回测检验结果表明高频信息和异质相依结构是准确预测分位数的关键环节,藤copula–已实现GARCH模型能够提供更准确的资产组合收益分位数预测.

采用藤Copula构建风电场风速相依模型

提出了采用基于Pair-Copula分解的藤Copula理论建立多元风速相依模型的方法。该方法首先考虑了风速分布的随机性,并计及风电场内部风机群风速间的相关性,采用Canonical藤描述Pair-Copula分解的逻辑结构,通过求解Canonical藤结构中的Pair-Copula概率密度函数PDF(probabilitydensity function),得到高维联合分布下的Pair-Copula多元风速相依模型;再对某实际风电场进行实证分析,得到了风电场内部6个风机群间风速的Pair-Copula联合概率密度函数JPDF(joint probability density function);最后在风电场风速相关结构的问题上进一步研究分析,为下一步建立混合Copula函数模型提供思路。

基于C藤Copula理论的水风互补系统调峰方法

水电与风电是我国装机规模最大的两类清洁能源,准确描述风电出力场景是实施水风互补以解决间歇性新能源发电大规模消纳难题的重要途径。依托云南电网实际工程,提出基于C藤Copula理论的水风互补系统调峰方法。耦合风速等气象信息聚类风电出力样本,建立Copula联合分布以描述同地区风电场间的出力空间相关性,引入C藤Copula条件树确定不同地区的风电出力主导电站,将多维联合Copula函数等效描述为系列二维Copula函数,实现多电站高维联合分布的降维求解,并耦合风电出力场景构建了水风互补随机调峰模型。通过13座水电站与21座风电场构成的互补系统验证分析,所提方法可减少余荷峰谷差约67%;与确定性模型相比,在风电出力波动大的典型日调峰效果和运行可靠性更好,呈现出良好的实用性。

基于C藤copula的收益率自相依结构估计以及条件VaR计算

风险价值VaR是一种非常重要的风险度量方法,基于C藤copula(canonical vine copula)给出了条件VaR的一种新的估计方法.首先基于C藤copula对连续几个交易日收益率之间的自相依结构进行了估计,进而给出了在前n个交易日收益率条件下,下一交易日收益率密度函数的估计方法,并对下一交易日的VaR值进行估计.C藤copula的引入使我们能更准确地描述收益率序列中的相依结构,从而能够更加准确地预测市场风险.最后分别对沪深300指数、上证180指数和上海黄金交易所贵金属价格进行了CVaR估计以及预测效果检验实证分析,实证结果表明所提出的模型在VaR值预测方面的表现要远远优于历史模拟法以及方差-协方差法等.

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R藤copula变点模型的金砖四国金融传染性与稳定性检验

从所分析国家与全球系统性风险相依关系的角度对金融传染性与稳定性进行刻画,以MSCI全球指数代表全球系统性风险因子,分析新兴市场代表国家——金砖四国(中国、俄罗斯、印度、巴西)的主要股指与MSCI全球指数之间的相依结构,进而对金砖四国的金融传染与稳定进行实证分析.为了分析系统性风险对金砖四国影响的结构性变化,对R藤copula进行变点检验,分析金砖四国金融传染性与稳定性受金融危机及金砖国家会议等事件的影响,并采用以MSCI指数为条件的相关系数度量金砖国家间的金融传染性与稳定性.实证结果表明,系统性风险可控后金砖国家股市独立性增强,金融危机过后金砖国家所受系统性风险冲击变大,通过金砖国家会议各国合作加强后有助于降低金砖国家之间的风险传染.

考虑安全性的桥梁主梁体系可靠性动态藤Copula预测

为合理预测考虑安全性的在役桥梁主梁体系动态可靠性,利用危险监测点的动态极值应力信息,建立藤Copula技术与动态线性模型(DLM)贝叶斯递推过程相融合的贝叶斯动态藤Copula模型(BDVCM),并结合一次二阶矩(FOSM)方法,实现危险监测点失效时变非线性相关的在役桥梁主梁体系动态可靠性预测。采用某桥主梁5个截面的动态监测极值应力数据进行验证分析,研究表明,考虑安全性的监测点失效时变非线性相关的桥梁体系动态可靠性预测值较不考虑监测点失效相关性所得结果大,说明不考虑失效动态非线性相关性所得结果偏保守。

基于R藤copula的深圳股票市场系统风险分析

利用深圳成分指数所包含的部分股票及其所属行业指数的日收益数据,构建了基于行业(sector)和市场(market)的R藤,给出了各股票对行业和市场及各股票间的相依结构,并借助RVMS模型测算了各股票的系统风险和非系统风险。结果表明,各股票行业风险差异很大,采掘业各股票的行业风险均值比其他三个行业风险均值高,说明采掘业股票自包含性最强。相对于行业风险,所有股票的市场风险在各自所属行业的条件下都相对较小,有些股票的市场风险接近于零,表明这些股票与市场之间的条件相依程度很低,它们与市场几乎相互独立。一些股票的非系统风险较高,表明这些股票与其它股票的相依性要高于与行业或者市场的相依性。

组合信用风险测度的藤copula方法

研究组合信用风险测度问题,用藤copula描述违约相依结构,提出一种测度组合信用风险的藤copula方法.实证结果表明:常用多元copula方法往往低估或高估风险值,而藤copula方法在各种常用的多元copula相依结构假定下的VaR和ES估计值与实际风险值很接近,VaR都通过了回测检验,ES回测检验指标也表明藤copula方法估计的ES更准确.因此,相对于常用多元copula,藤copula方法更具灵活性,能提高组合信用风险测度的准确性.

基于藤Copula多维联合分布的CMIP5多模式降雨综合方法研究

CMIP5中不同GCM模式对降雨的模拟能力不同,且存在较大不确定性。本文采用藤Copula技术构建不同GCM模式降雨与实测降雨间的多维联合分布模型,推求以模式降雨为条件的实测降雨的条件分布函数,并据此对多模式降雨进行综合,以提高其模拟与预估精度。以梧州站以上流域1961-2005年面雨量为例开展了示例研究。首先利用泰勒图从12个GCM模式中优选了6个综合模拟能力较好的模式,随后采用C藤和D藤Copula分别建立了实测降雨与6个模式模拟降雨间的联合分布,并基于AIC、BIC和对数似然值指标,优选出C藤Copula作为多模式降雨的综合模型。结果表明,使用C藤Copula方法得到的多模式综合降雨,其精度高于任一单模式,亦优于多模式的集合平均值。

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.

基于正则藤Copula的行业系统性信用风险传染分析

本文利用国民经济中九大门类行业相关数据,将度量行业信用风险的CCA方法加以改进,并构建正则藤Copula模型,揭示了样本行业间信用风险的非线性相依结构及信用风险传染路径。实证结果显示:各行业信用风险水平不一,但都较好地拟合了实际经济;任意两行业间无条件信用风险大多表现为下尾相关性,但条件信用风险的尾部相关性总体较弱;国民经济行业体系中存在加剧和减缓行业信用风险传染的"风险催化行业"和"条件隔离行业"。最后,提出了有效控制系统性金融风险、防范金融危机的措施建议。

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。

基于藤Copula-MCMC-SV-T模型的马航空难对六国(地)股指的风险传染研究

2014年马航MH370和MH17两次空难,引发世界人民的焦虑。焦虑从马航空难直指世界矛盾冲突,矛盾冲突导致恐慌。恐慌引起股市多空异常行为,引发股市风险,风险从吉隆坡传出,向世界蔓延。论文以SV-T模型刻画六维边缘股指波动进程,以MCMC算法的Gibbs抽样方法贝叶斯推断出边缘模型参数,以C藤Copula结构描述世界六国(地)股指风险传染路径图,以四种常见类型的Copula函数代表四种不同的风险传染类型,以相应的Copula函数Tau值表示风险传染参数,最终描绘出空难引起的危机从吉隆坡向世界蔓延的脉络和风险强度。论文尝试为投资者面对突发事件时进行多、空投资决策,以及管理当局把握危机传染路径、降低风险连锁反应,斩断风险传染链条提供一种新的思路和方法。

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。