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-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。

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。

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。

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。

疫情冲击下房地产业与国有银行间风险溢出效应研究——基于高频数据C-Vine Copula-CoVaR模型

随着全球经济金融市场的高速发展,跨市场间的联动性也日益突出。本文选取房地产和国有银行5min股指数据,研究疫情冲击下房地产业与国有银行间的相关结构及其风险溢出效应。为此,首先采用小波阈值法对高频数据进行降噪,接着构建C-Vine Copula模型研究两行业间的相关结构,最后基于Copula函数结合Monte Carlo模拟方法,计算出ΔCoVaR、%ΔCoVaR值来度量风险溢出效应程度。研究结果表明:房地产业与国有银行间均为正相关,具有较高的风险关联性,且两行业间存在较强的双向、非对称的正向风险溢出效应;相较于疫情爆发前两行业的风险溢出效应强度,疫情爆发后房地产业与国有银行的溢出效应显著增强。

基于C-Vine Copula下宏观经济指标的相关性研究

宏观经济指标的变动对我国居民的生活有着重要影响。文章选取1996~2020年的GDP、CPI、第三产业和M2的季度同比增长率数据,利用C-Vine Copula研究这4个指标间的相关性及其尾部依赖特性。研究发现,GDP与其它三个指标相关性最强,第三产业和其它三个指标的相关性次之,而M2和其它3个指标的相关性最弱。

基于C-Vine Copula理论的监督学习分类器的优化

由于朴素贝叶斯分类器对特征变量作了独立性假设,忽略了相关性,导致在某些特征相关的情况下分类效果很差。为了提高分类效果,本文对有缺失的数据集利用C-Vine Copula理论进行填补从而得到完整的数据集,并结合Copula函数研究特征变量之间的相关性优化问题,用C-Vine Copula分类器对完整数据集做分类。结果表明,基于C-Vine Copula理论的监督学习分类器具备良好的分类性能。

全球主要股市风险相关性测度——基于半参数C-Vine Copula模型

控制跨国风险传染,坚守不发生系统性金融风险底线是我国金融工作当前阶段的重要内容。本文以中、美、英、德、日五国股指作为研究对象,采用半参数C-Vine Copula模型对金融危机前后市场之间的相关结构和相关程度进行了测度研究。研究发现,危机前后五国市场相关结构发生变化,英国取代了德国,与其他国家相关性最强;中国始终处于同其他国家相关关系较弱的地位,并未因金融危机发生变化;欧美市场、亚洲市场之间存在明显的区域分割效应;各个市场间的变化对于坏消息的敏感程度高于好消息;危机后各市场的关联性有加强的趋势。基于上述研究结论,本文提出了严防虚实倒挂、改善宏观调控等建议。

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。

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。

小麦秸秆与红薯藤叶混合厌氧发酵特性

在(30±1)℃恒温条件下,按C/N=20∶1,C/N=25∶1,C/N=30∶1的3个不同水平将小麦秸秆和红薯藤叶分别配置成2 000 mL发酵液,其总固体含量TS为8%。对3个不同水平C/N的发酵液进行厌氧发酵试验,测定厌氧发酵过程中的日产气量,pH、CH4和CO2体积分数等动态指标的变化,探究2种物料在不同C/N水平下的发酵特性。结果表明在TS为8%的条件下,C/N为25∶1水平时产气效果最佳,产气量和CH4体积分数都具有明显优势。

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。

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。

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。

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.