基于贝叶斯门限异方差模型的我国RPI应用研究

商品零售价格指数（RPI）反映一定时期内商品零售价格变动趋势和程度的相对数,受到研究者关注。文章基于门限异方差模型对我国1997~2011年的月度数据进行贝叶斯分析,通过比较发现对D_RPI序列建立AR（1）-TAR-GARCH（1,1）模型最为合理,并给出了模型贝叶斯推断结果及收敛诊断结果;另外,分析结果表明D_RPI具有群集效应;价格受负的外部冲击影响大于受正的外部冲击影响,即存在杠杆效应。

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。

运用贝叶斯方法的混合异方差模型的参数估计

介绍了混合正态广义自回归条件异方差模型的基本特征,推导出在风险中性测度下模型的变化。用贝叶斯方法进行参数估计,从而形成一种新的组合方法。利用上证50ETF2017. 01—2017. 12的历史数据进行实证分析,结果表明:采用这种新的组合方法对收益率时间序列数据进行估计,不仅可以有效地估计出模型的参数,而且在应用于我国上证5OETF期权时误差效果也比较好。

变系数异方差模型的贝叶斯分析

基于方差建模研究了变系数异方差模型的贝叶斯估计和异常点识别,其中非参数部分采用B样条逼近。主要通过应用Gibbs抽样和Metropolis-Hastings算法相结合的混合算法获得模型的贝叶斯估计和通过K-L距离贝叶斯诊断统计量来识别数据异常点。模拟研究显示所提出的贝叶斯分析方法是可行有效的。

基于门限自回归条件异方差区间模型的大宗商品价格预测

大宗商品是工业生产和金融投资中不可或缺的组成部分,准确的大宗商品价格预测对保障工业生产顺利进行和帮助投资者规避风险具有重要意义.但现有的大宗商品价格预测模型大多是基于收盘价构建的点值模型,忽略了价格的波动信息.因此,本文从区间价格预测的角度出发,提出了一个带有外生变量的门限自回归条件异方差区间模型(HTARIX),构建了一个基于区间型数据的检验统计量来检验模型是否存在条件异方差,进而提出了广义最小DK距离估计求解模型参数,并将其应用于大宗商品市场.HTARIX模型的优势在于能够捕捉区间型时间序列模型的条件异方差和非线性特征.相比于传统的点值数据模型,我们的方法能够更加充分地利用区间的内部信息.实证结果表明,本文提出的模型在大宗商品区间价格预测上的表现优于其他对比模型.

TGARCH模型在利率波动建模中的应用

波动率是利率期限结构模型的重要因素。本文从对利率的波动进行建模,进而对利率的波动进行预测的角度出发,在考虑利率波动的异方差性质,以及利率对正的信息和负的信息的不同的波动模式的基础上,用门限广义自回归条件异方差模型(TGARCH)对CKLS模型中的波动部分进行建模。

具有结构变化的资产定价模型的贝叶斯自回归条件异方差检验

在现代资产定价理论中,一个基本的假定是证券资产风险溢价满足方差齐性。然而,这样的假设未必是正确的,因此,需要对资产定价模型进行异方差的检验。本文在贝叶斯框架下考察了具有结构变化的资产定价模型,提出了检验该模型的回归条件异方差的贝叶斯检验方法。最后利用两个具体实例论证了所提方法的有效性。

条件异方差双门限自回归模型的门限和延时的小波估计

本文讨论了条件异方差双门限自回归模型的门限和延时的识别问题．通过经验小波系数；给出了门限个数和门限以及延时的估计．在较弱的条件下，证明了所给的估计是相合的．

门限自回归模型条件异方差的Kolmogorov-smirnov检验

门限自回归模型被广泛地用于许多领域.当建立或使用这类模型时,一个重要问题是需要知道是否存在条件异方差.在本文中,我们对这个问题提出一个非参数检验.检验的大样本理论被给出.我们还通过数值模拟研究了检验方法的有限样本性质.结果表示检验有好的功效.经验百分位点还被给出.

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。

考虑山洪灾害影响的贝叶斯径流模拟方法

山洪灾害壅高河道水位带来的流量放大作用影响了贝叶斯径流模拟方法在山丘区流域的表现。针对这一问题,以汶川地震后山洪灾害频发的都江堰白沙河流域为研究区域,探究引发流域山洪灾害的临界雨量,引入线性放大系数修正山洪灾害对流量的放大作用,耦合一阶自回归残差模型与不同异方差转换函数构建了6种贝叶斯径流模拟方案,利用GR4J模型模拟不同方案下流域出口日径流过程。研究结果表明,临界雨量与线性放大系数能够有效识别、修正山洪灾害对径流的影响,与未考虑山洪灾害影响的贝叶斯径流模拟方案相比,白沙河流域径流模拟结果的准确性、可靠性、精确性指标分别平均提升19%、32%、62%。该方法可在山洪灾害频发流域推广应用,为山丘区流域径流预报提供更为准确的科学依据。

风电场输出功率的多时段联合概率密度预测

风电场输出功率波动性较强,难以精确预测,掌握其输出功率的分布规律对含有风电场的电力系统的运行决策具有重要意义。文中在分析风电场有功功率输出特性的基础上,提出了风电场输出功率多时段联合概率密度预测,利用风电场输出功率在时段间较强的相关性,估计其波动的幅度与速度特征,为系统运行提供更全面的决策信息。结合多元回归估计常条件相关—多元广义自回归条件异方差(CCC-MGARCH)模型与稀疏贝叶斯学习方法,给出了一种基于数值天气预报信息的风电场输出功率短期多时段联合概率密度预测方法。该方法依据CCC-MGARCH模型思想,将未来多个时段内风电场输出功率的联合概率密度预测问题分解为:风电场在各个时段内独立的输出功率概率密度预测子问题和时段间关联的输出功率预测误差相关系数矩阵估计子问题,利用稀疏贝叶斯学习方法在概率密度预测问题上的优势,形成预测效果好、计算效率高的风电场输出功率多时段联合概率密度预测方法。应用实例与分析说明了该方法的有效性。

特征滞后计算的股市波动预测

针对股票价格波动拐点难以有效预测导致预测精度不高的问题,提出一种特征滞后程度计算的均值门限广义自回归条件异方差(LRD-TGARCH-M)模型。首先,基于股价波动与指标变化出现的不一致性,给出了滞后性的定义,并引入能量波动概念,从能量角度提出特征滞后程度(LD)计算模型;然后,用LD度量拐点出现之前的风险大小,将其加入到股价均值方程中,克服均值门限广义自回归条件异方差(TGARCH-M)模型对拐点预测的不足;其次,根据拐点附近波动相对剧烈,将LD加入到误差项的方差方程中,优化方差的变化,提高模型的预测精度;最后,给出了LRD-TGARCH-M模型的波动预测公式和精度分析,并在股票数据上进行实验,结果表明,与TGARCH-M模型相比,精确度提高了3.76%;与均值指数GARCH(EGARCH-M)模型相比,精确度提高了3.44%,证明了LRD-TGARCHM模型可以提高股价走势预测精度,减小误差。

人民币汇率波幅调整对人民币汇率波动机制的影响研究

运用时间序列门限广义自回归条件异方差模型(Threshold GARCH),分析了2005年7月21日人民币汇率形成机制改革以来,历次人民币汇率波幅调整对人民币汇率波动机制的影响。研究发现:随着人民币汇率波幅的扩大,滞后1期人民币汇率冲击对当期人民币汇率条件异方差表现出越来越大的正向影响,而且滞后1期人民币汇率升值冲击带来的影响要强于人民币汇率贬值冲击带来的影响;滞后2期人民币汇率冲击对当期人民币汇率条件异方差表现出越来越大的负向影响;滞后1期条件异方差的正向影响要强于滞后扰动项的影响。在此基础上,文章对于进一步优化人民币汇率波幅管理和完善人民币汇率形成机制改革提出了相关政策建议。

民航业客座率影响因子的实证研究

航班客座率的影响因子一直是业内关注的重要问题之一。本文针对民航业内三家航空公司2007年～2008年共飞航线的客座率日高频数据,建立了结构化的SVAR模型,分析了影响客座率的具体因子,并首次分析了客座率高频数据残差的ARCH效应,建立了修正的不对称TARCH模型,对其时间序列的波动现象进行了拟合,得出了相关结论和政策建议。研究发现业内一家公司的竞争者的当期和历史客座率会影响到其当期客座率,并且基地和配套服务设施也会对其客座率波动性产生重要影响,共同拥有基地的竞争公司对冲击的反应正好相反。而此结论对整个民航业而言,具有重要意义。