基于C-Vine-Copula函数的暴雨致灾危险性联合分布研究

近年来暴雨灾害带来的经济损失越来越严重,但并非每次暴雨过程都会造成灾害。以阳江地区为例,从暴雨灾害造成的损失出发,计算了阳江市2005-2016年32次暴雨灾情的人员损失和直接经济损失的灾损率指数,并结合暴雨事件过程持续时间、过程累计降水量和过程最强小时雨量3个特征变量指标,采用K-S法,选取阳江市内20个站点各要素的最优边缘分布函数,并引入Copula函数,分别构建了各个降雨指标与灾损之间的二维联合风险概率。然后利用Vine结构的pair-Copula函数分解方法,分步拟合阳江地区多维变量的联合概率分布,构建了基于灾损率指数的多元联合风险概率,从而随机计算致灾危险性的联合重现期,为防灾减灾服务提供依据。结果表明:C藤相对于D藤能更好地构建基于灾损指数的多元暴雨致灾危险性联合分布模型,广义极值分布能更好地反映阳江地区所有站点的暴雨灾损指标和暴雨特征指标及其分布特性,C-Vine-Copula函数结构更适用于构建基于灾损指数的多元暴雨致灾危险性联合分布模型,Gaussian Copula和Gumbel Copula能更好地反映阳江地区暴雨灾害的多元联合概率,不同情景下阳江暴雨联合致灾概率具有地区差异特征。

基于广义Benders分解的分布式光伏接入容量规划方法

针对目前分布式光伏电源大规模接入配电网中带来的问题,提出了基于广义Benders分解的分布式光伏接入容量规划方法。采用数据驱动顺序选择方法确定C-Vine Copula模型中变量的最优顺序,结合拉丁超立方采样方法和场景评估指标,构建典型负荷-资源相关性场景。在生成的典型场景的基础上,建立了基于广义Benders分解的光伏接入规划模型。该模型分为光伏规划主问题与配电网运行子问题,采用线性规划与最优潮流的方法进行求解。在IEEE 33节点系统网架开展算例分析,结果表明,提出的典型场景生成方法比传统方法的资源误差与负荷误差减少50%以上;规划模型求解所需的计算量减小为原来的11%,计算时间缩短为原来的9%。

基于C-Vine Copula函数的台风灾害链“风-雨-潮”联合概率分布研究

现有台风灾害链研究大多采用高维对称Copula模型建立多个致灾因子的联合分布,对致灾因子之间非线性、非对称的复杂关联结构探究不足。文章以浙江岛屿城市舟山为例,通过C-VineCopula函数刻画当地台风灾害链“风-雨-潮”之间的复杂依赖关系,利用1979—2018年逐日的最大持续风速、累积降雨量以及最大风暴增水数据估算三者的联合概率分布以及重现期。研究表明:1)风速与降雨量在常规数值区间(非极端情况)具有较强的相关性,最佳联合分布为Frank Copula;风速与风暴增水具有上尾依赖的特征,最佳联合分布为Gumbel Copula;2)降雨量分布在风速条件下显示2处峰值,风暴增水分布在风速条件下近似于均匀,两者之间的最佳联合分布为Gumbel Copula;3)以单变量100 a重现期为例,风速-降雨量与风速-风暴增水组合事件的二维联合重现期分别缩短至29和30 a,而风速-降雨量-风暴增水组合事件的三维联合重现期缩短至17 a。综上,C-VineCopula函数能准确有效地刻画台风灾害链“风-雨-潮”之间的复杂依赖关系,深化对于台风灾害链内在作用机制的理解,为台风灾害风险管理和工程设计提供科学支持。

基于C-Vine Copula熵多目标优化模型的水文气象站网优化研究

气候变化背景下水文气象序列的趋势性引发的非平稳特性势必会对水文气象站网优化结果产生一定影响。通过C-Vine Copula熵的多目标站网优化模型和滑动窗口法结合,分别以黄河和淮河流域1992-2018年日降水序列作为研究对象,通过建立的站网优化模型分析了不同窗宽条件下两个典型流域各站点的秩次情况,从而量化分析降雨序列趋势程度对站网优化结果的影响。结果表明:由于Archimedean Copula仅仅适合描述正相关的多变量相依性结构,基于CVine Copula模型估计总相关量更加逼近实际的站网信息冗余量,特别是在高维情形下二者估计的差异性更大;趋势程度较大的淮河流域站网秩次的年际变化相比于趋势程度小的黄河流域站网更加显著,趋势性引发的序列非平稳特性增加了水文气象站网评价结果的不确定性。不同的时间域范围可能会对站网设计结果产生不同的影响,这意味着最佳的站网布设可能只适用于特定的观测时段。因此,研究表明在处理水文气象站网优化时应非常谨慎,因为在其他条件相同情形下,基于固定的全序列剔除或者增加某些台站会导致整个站网系统的水文气象信息损失或信息冗余,为此站网的优化设计应当以使其更适应不断变化的水文气象条件可能更为可取。

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。

时变C-Vine Copula模型的统计推断

如何更为科学、合理地刻画高维金融变量间的非线性动态相关结构,长期以来都是学界与实务界关注的重要问题。本文基于广义自回归得分(GAS)理论,提出时变C-Vine Copula模型,并给出了该模型的半参数估计方法和模型拟合的假设检验。最后,蒙特卡洛仿真实验结果表明,基于GAS理论的时变C-Vine Copula模型能刻画高维随机变量间的非线性动态相关结构,且具有较好的稳健特征。

我国银行业系统性风险结构度量——基于尾部依赖视角

根据系统性风险的定义,系统性风险可以拆分为金融机构之间的风险传染以及风险传染之间的相依关系。Copula函数可以作为度量系统性风险的一种新方法,并具备很多优良性质。在此基础上引入C藤copula,该方法不仅可以度量出系统性风险的大小,而且可以度量出系统性风险中的传染结构,使得风险度量结果更加合理。运用C藤copula对我国银行业系统性风险结构进行了实证分析,结果表明,可以从控制商业银行之间风险传染的微观审慎监管以及控制银行之间风险传染之间的相依性的宏观审慎监管两个层面来对银行业系统性风险进行管理。

两类混合藤Copula模型的比较研究——基于外汇资产投资组合VaR的研究

本文以中国外汇市场上四种主要外汇资产的投资组合作为研究对象,基于Pair Copula高维建模思想,分别建立了两类能真实反映资产组合相关结构差异性的混合藤Copula模型,即混合C藤和混合D藤Copula模型。两类混合藤Copula模型,对传统的藤Copula模型作了进一步的改进,是通过一定的选择标准,确定模型中每个Pair Copula函数的最优函数族,这样可以使得所建立的模型既能考虑资产组合维数的影响,又能捕捉到组合内部各资产相关结构的差异性。为了得到较优的风险分析模型,在实证研究中,将两类模型在资产组合VaR计算精度方面进行比较。

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。

基于藤结构Copula模型的中国股市风格资产相依结构研究

首先采用AR(1)-GJR(1,1)-SkT(v,λ)模型来刻画中国股市风格资产(大盘成长、大盘价值、中盘成长、中盘价值、小盘成长、小盘价值)的边缘分布,接着结合各边缘分布的残差,引入C-Vine Copula和D-Vine Copula模型来描述这六种风格资产之间的相依结构,然后对基于C-Vine Copula和D-Vine Copula模型的拟合效果进行综合比较.研究结果表明:中国股市各风格资产之间的相依性存在结构性差异,最适合用D-Vine Copula模型来刻画各风格资产之间的相依结构.同类型的风格资产之间的相依程度比不同类型风格资产之间的相依程度要高;在同一类型的风格资产中,资产规模差距越大的风格资产之间的相依系数就越小.无条件的风格资产收益系列之间的相关性要显著大于有条件的风格资产收益系列之间的相关性;最后根据研究结论提出了降低风格资产组合风险的资产配置建议.

中国股票市场行业组合风险研究——基于高维动态C-Vine Copula模型

股市是经济的晴雨表,股市中不同行业风险的组合计量对于金融市场和实体经济投资意义重大。文章采用高维动态C-Vine Copula前沿技术计量多维行业组合风险,并且与静态C-Vine Copula作比较。结论显示:高维动态C-Vine Copula计量的VaR每次都能通过UC检验和稳定性测试,而静态C-Vine Copula方法每次都不能通过回溯检验,表明高维动态C-Vine Copula优于静态C-Vine Copula,可以作为股市行业风险组合计量的一种新方法。

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“C藤”Pair Copula的高维OLAP查询建模方法研究

信息爆炸造成的数据仓库维度的急剧增加,大大影响了OLAP查询模型的精度和效率。首次将数理统计学中的"C藤"Pair Copula引入到OLAP查询建模的研究中,有效地解决了高维OLAP查询建模时的"维数灾难"问题,并设计了针对该模型的参数估计方法以提取数据概要知识。实验分析表明与传统方法相比,基于Pair Copula方法的模型可以在保证OLAP的查询精度的基础上减少数据立方体的存储空间,并且在高维数据环境下具有更高的查询效率。

基于贝叶斯估计的空间Pair-copula预测模型及应用

为了描述空间相关关系的复杂性,文章结合Pair-copula函数将空间相关结构分解成双变量之间的条件相关。对Pair-copula空间分析模型提出了边缘分布参数及相关结构参数的贝叶斯估计,结合实际数据探讨了高斯随机场下的先验分布选择问题,给出了未知参数后验分布函数。提出了基于Pair-copula函数的空间预测方法,并通过交叉验证,与传统空间预测方法的预测精度进行了比较。结果表明,Pair-copula空间预测方法在对复杂空间数据的分析上具有明显的优势。

C-Vine Copula在不平衡数据上的应用

针对传统分类算法默认数据处于平衡状态,将其应用在不平衡数据上会导致分类结果不具代表性甚至无效的问题,首先利用C-Vine copula模型描述数据之间的相关结构;然后对不平衡数据集的少数类生成虚拟样本,使数据集各类别数目达到平衡;最后对平衡数据进行分类.在不平衡数据集上进行的实验表明,所提出的方法具有较好的分类表现,可以有效提高传统分类算法的分类性能.

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.

绿色股票指数间的多维联动性分析

近年来,绿色金融是研究的热点,其中绿色指数是绿色金融体系中重要的组成部分。本文选取了绿色股票指数中七只具有代表性的指数,研究近五年内这七个指数间的多维联动性。最终得到三个结论,本文的研究有助于为今后的相关研究提供理论参考,以及为绿色股票指数的制定和投资者的绿色投资决策作实际参考,增强投资者对绿色金融市场发展的认识。

我国消费行业间风险度量及相依性研究

对食品加工制造、饮料制造、服装家纺、白色家电、汽车整车行业板块指数进行风险度量及相依性研究,构建ARMA-GARCH-偏t模型,求得95%、99%置信水平下的VaR序列检验风险度量效果,采用C-Vine Copula与D-Vine Copula模型对由经验累积分布函数转化的99%置信水平下的VaR序列进行相依性研究,结果表明:ARMA-GARCH-偏t模型风险度量效果较好;C-Vine Copula表明服装家纺为风险传递的中心行业;D-Vine Copula表明饮料制造与汽车整车行业相关性最弱,D-Vine Copula模型更能体现行业间的风险相依关系。

基于混合Copula函数的C-Vine贝叶斯推断

文章主要采用C-Vine模型,对模型进行贝叶斯推断。C-Vine模型利用二元Copula函数作为组块构造多维的相关结构,通过采用不同的二元Copula函数族来精确地捕捉变量间的相关性。采用Czado等提出的选择准则决定C-Vine模型的具体分解形式。利用AIC信息准则选择C-Vine模型中每条边合适的Copula函数族。利用马尔科夫链蒙特卡罗(MCMC)算法估计C-Vine模型的参数。最后,通过实例来研究序列间的相关性和相互影响。

基于C藤Copula的多维随机环境变量极限状态曲面

针对联合分布模型较为复杂时Rosenblatt变换难以实施的现状,提出了基于C藤Copula的多维随机变量极限状态曲面计算公式及数值算法。在该方法中联合分布模型由C藤Copula建立,Rosenblatt变换以二维Copula偏导数的形式表达,采用数值算法求解。结合观测数据研究了平均风速、有效波高和谱峰周期的极限状态曲面,提出了根据极限状态曲面等值线确定风浪参数组合值,并讨论了不同Copula的影响。结果表明,C藤Copula在局部和整体上均能最优表达变量间的相关结构,更适用于建立多维随机变量的联合分布模型;基于C藤Copula的极限状态曲面能有效表达二维变量间的相关结构,其等值线的外包络是二维极限状态曲线;与风浪参数极值相比,根据等值线确定的组合值在保证多维变量各自及联合重现期的前提下有所降低,可使结构设计更加经济合理。