单个期货合约市场风险VaR-GARCH评估模型及其应用研究

以单个期货合约每一交易日的涨跌率反映期货合约市场风险,借助V aR风险价值法,运用广义自回归条件异方差(GARCH)模型,建立了V aR-GARCH单个期货合约市场风险评估模型,解决了单个期货合约每一交易日最大损失的确定问题.该模型的特点为借助GARCH方法预测条件异方差,充分体现了期货合约价格的聚集效应、厚尾效应和时变方差效应,使V aR估计更加精准;对V aR的置信区间进行2χ检验,从实证的角度得到合理精准的V aR值;可以依据本模型确定期货保证金的数量,为交易所制定更合理的单个期货合约保证金收取水平提供依据.

基于GARCH-EWMA的期货价格预测模型

在EWMA和GARCH模型思想的基础上,提出基于GARCH-EWMA的期货价格预测模型,为期货市场合约价格的预测提供新的预测方法.本模型的特点一是GARCH模型对EWMA模型中的关键参数———衰减因子进行测定,解决以往使用EWMA模型时没有一个科学的确定衰减因子的方法.二是通过分别对大豆和豆粕期货合约的衰减因子进行确定,发现不同品种不同时间的衰减因子显著不同,因此,对于不同商品有区别地采用相应的衰减因子;解决以往预测模型对不同期货商品的预测均采用同一模型的问题.

基于GARCH-EWMA原理的期货交易保证金随动调整模型

在EWMA模型和GARCH模型思想的基础上,结合SPAN系统的思想,以保证金在期货交易中可以弥补最大损失额和保证交易的正常进行等作用为考虑因素,运用数理统计和VaR等风险管理方法,建立了保证金随动调整模型。在满足给定风险系数和置信水平的前提下,制定合理的保证金的收取比例,为期货交易的保证金水平的确定提供了新的计算方法。本模型的特点一是利用GARCH模型对EWMA模型中的关键参数-衰减因子进行测定,解决了以往使用EWMA模型时,对该参数人为赋值而导致模型人为因素过强的问题。二是在模型中引入波动函数,用来确定随时点t而不断变化的波动系数值。并采用大量的历史数据对大豆、豆粕两种期货品种的波动函数进行线性拟合,得到时点t与波动系数之间的连续线性函数,以代替以往波动系数与时点t之间所采用的极为粗糙的分段函数,从而大大提高了模型的灵敏性。三是采用近4500个合约价格的历史数据,对大豆和豆粕两种期货合约价格的涨跌停情况进行统计分析,得到这两类期货品种的涨跌停情况的概率分布。并分别考虑各种可能发生的情况综合计算最终单位保证金,使得保证金的计算更具全面性。

基于非参数GARCH模型的电价预测

基于非参数条件异方差估计理论,提出了一种改进的电价曲线预测方法。文中从实际电价曲线出发,针对条件方差函数建模,并采用非参数估计方法确定其模型。另外,在非参数估计中,针对条件标准差不可测困难,引入了迭代估计算法,通过不断修正作为输入量的条件标准差估计值来提高条件方差函数的估计可信度。在研究加州电力市场2000年日前电价时间序列波动特性的基础上,对Humb节点的日前电价时间序列进行建模并模拟预测。试验结果表明,文中所提模型能够更好地体现电价时间序列波动集群性这一特征,利用非参数估计所确定的模型提升了尖峰电价的预测效果。

基于两重门限GARCH模型的短期负荷预测

针对负荷时间序列的非线性和波动性特征,在研究负荷时间序列波动性门限特征的基础上,引入冲量门限的概念,提出了一种基于两重门限GARCH模型的短期负荷预测新方法.利用条件极大似然估计方法,估计了模型参数.同时,考虑到负荷时间序列波动的厚尾效应,将模型推广为服从非高斯分布假设下的情形,建立了2种基于厚尾假设的两重门限GARCH类负荷预测模型.利用所提出的混合信息冲击曲面,分析了不同性质的冲击和冲量对负荷时间序列波动性的影响.实际算例基于南京地区日用电量数据进行了短期负荷预测,验证了模型及方法的可行性和有效性.算例结果表明,服从广义误差分布的两重门限GARCH模型预测效果满意.

基于广义自回归条件异方差选股模型的布林带通道突破择时量化交易

提出一种综合利用广义自回归条件异方差模型进行波动率选股、布林带通道突破择时和平均真实波幅(ATR)动态止损的量化投资策略。首先,利用广义自回归条件异方差(GARCH)模型预测未来一周波动率最大的30只股票,构建股票池;其次,采用布林带指标进行择时,捕捉价格趋势变化;最后,根据平均真实波幅指标调整止损位,保护资本。通过多次回测,确定最佳参数。研究结果表明,该策略在不同市场环境下均表现出色,熊市具有较好的避险能力,牛市和震荡市场具有较强的盈利能力,实现了稳定的超额收益。综合运用波动率选股、价格突破和动态止损策略,为投资者提供了一种有效的量化投资方案。

投资者情绪指数构建及其与超额收益率关系研究

有效度量市场投资者情绪是研究投资者情绪对资本市场影响的关键。选取2008—2022年证券投资者信心指数、消费者信心指数、市盈率、成交量、换手率、新增投资者开户数的月度数据,用主成分分析法构建市场投资者情绪复合指数(CIMIS_(t)),并通过“孪生股票”模型和定性分析对CIMIS_(t)进行有效性检验。采用ARMA-GARCH模型消除CIMIS_(t)和超额收益率(R_(a))的自相关和异方差性,对其残差进行回归分析和Granger因果检验。实证发现,CIMIS_(t)能较准确表征中国股市投资者情绪,去除自相关和异方差性的投资者情绪与R_(a)呈显著正相关,对R_(a)拟合效果更好;短期内超额收益率明显影响投资者情绪,而投资者情绪不能明显影响我国股市的表现。研究结果为投资者在投资决策以及监管者在制定市场政策时提供参考。

GARCH非线性时间序列模型的网络流量预测

网络流量预测在拥塞控制、网络管理与诊断、路由器设计等领域都具有重要意义。根据当今网络流量的特点,传统的ARMA模型在描述网络流量数据特性时有一定的局限性,从而影响网络流量预测的精度。针对这个问题,研究了使用广义自回归条件异方差模型(GARCH)对网络流量数据进行建模的方法,通过仿真实验表明,该模型可以较好地描述网络流量数据的异方差性,同时其预测精度较之传统的ARMA模型的预测精度也得到了大幅提升。

基于不同分布下GARCH-M族模型的短期用户负荷预测

电力负荷预测是电力系统研究的基础工作之一,而时间序列分析法是目前使用最广泛的预测方法。针对用户日度负荷时间序列存在的波动性及尖峰厚尾特征,文中提出利用均值广义自回归条件异方差(GARCH-M)族模型进行用户负荷预测。首先根据用户日度负荷时间序列的分布情况,利用拉格朗日乘数(LM)检验方法检验了负荷序列的自回归条件异方差(ARCH)效应;其次提出在高斯分布、t分布和广义误差分布(GED)3种不同分布下,根据波动补偿项的不同形式,建立GARCH-M族模型;最后结合损失函数进行预测分析,结果表明相比传统时间序列分析模型,在不同分布下的GARCH-M族模型提高了短期用户负荷预测准确度。

基于小波分析与广义自回归条件异方差模型的短期电价预测

由于电价波动具有非线性及波动集群现象,因此提出了一种基于小波分析和广义自回归条件异方差模型相结合的短期电价预测新方法。首先应用小波分解原理将电价序列分解成低频部分和高频部分,在此基础上对各子序列分别建立广义自回归条件异方差模型并进行预测;然后利用小波理论对各子序列的预测结果进行重构,实现对原始电价序列的预测;最后以美国加州电力市场历史数据为例进行了验证,结果表明本文方法是可行和有效的。

基于厚尾均值广义自回归条件异方差族模型的短期风电功率预测

风电功率预测准确度的提高对提高电力系统调度效率具有重要的作用。基于对风电功率时间序列波动性的研究,推广了一种厚尾均值广义自回归条件异方差(GARCH-M)族短期风电功率预测模型,同时,基于波动补偿项的不同形式,将模型拓展为多种类型的厚尾GARCH-M模型。该类模型能够捕捉风电功率时间序列波动性与其条件均值的直接关系,并能够有效刻画具有高峰度特征的实际风电功率序列的厚尾效应,使风电预测准确度提高。结合江苏地区风电场风电功率实际数据,对所提厚尾GARCH-M模型进行了参数估计,论证了存在于风电时间序列中的GARCH-M效应和厚尾效应,给出了风电功率均值和条件方差的预测方案。算例分析结果验证了所提方法的可行性和有效性,表明了考虑厚尾特征的GARCH-M族模型短期预测效果满意。

远期运费协议与粮食期货市场的波动溢出关系

从金融视角出发,探究远期运费协议和粮食期货市场之间的波动溢出关系.粮食作为世界三大干散货类型之一,具备相当成熟的期货交易市场,故选取远期运费协议(forward freight agreement,FFA)和巴拿马(Panamax)型船主要运载的粮食期货类型进行研究.首先,采取统计特征分析及协整检验对日收益序列进行分析;然后,通过建立广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)模型,分析两个市场间的相关性并对比其波动性.结果表明,粮食期货市场在收益和波动性上均引导FFA市场的变化,论证了GARCH族模型检验波动溢出特征的有效性,并为干散货航运市场参与者和投资者提供理论参考.

基于市道轮换模型的SHIBOR市场利率

基于固定波动率模型和广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)模型,研究引入马氏市道轮换模型.该模型可以将线性利率期限结构推广到非线性形式,运用到资产定价的变化中,特别是债券收益率的确定中.不同于唯一依赖利率水平的传统模型,马氏市道轮换模型能够模拟货币政策对利率的影响.利用2006-10-08至2013-03-29每周三上海银行间同业拆放利率(Shanghai interbank offered rate,SHIBOR)月度数据,用R语言实现并比较了固定波动率模型、GARCH模型以及混合GARCH马氏市道轮换模型对各参数的估计效果.结果表明,混合GARCH马氏市道轮换模型的拟合效果在各种情形下均占优.

基于动态极值VaR股指分析的中国行业风险研究

应用动态极值VaR模型分析中国行业股票价格指数,对不同市场条件下中国行业风险进行实证研究.在McNeil等提出的GARCH模型与极值理论基础上,运用Huisman等提出的VaR法修正上述风险值估计方法,构建了动态极值VaR模型.在该模型的构建中考虑了风险因子的时变特性,采用EVT方法对风险因子的厚尾特性进行建模,简化了风险值的估计过程,并提高了估计的准确性.动态极值VaR模型能够较好地刻画风险尾部分布特性,同时能够比较准确地度量所研究时间段内的市场风险和行业风险.研究结果表明,不同市场条件下各行业的风险特性具有显著的变化.最后利用Kruskal-Wallis一致性检验对上述结论进行了验证.据此,在资产组合管理过程中,有必要依据市场环境和行业风险特性对资产配置比例进行调整.

应用自回归条件异方差模型研究我国水力发电量

为了研究水力发电量条件方差的变化规律及残差的统计分布特征,引入自回归条件异方差模型,建立基于正态分布假设的同阶自回归条件异方差模型对我国2001年1月到2016年2月的水力发电量进行实证分析,研究得出该模型对发电量的估计与预测具有良好的效果。

城市轨道交通断面客流不确定性分析的广义自回归条件异方差改进模型

对比分析指出,城市轨道交通线路断面客流量变化与道路交通断面客流量变化具有相似性,但城市轨道交通线路断面客流时间序列具备特有的尖峰厚尾特性,其变化的敏感程度依赖时空条件,常用于道路领域的广义自回归条件异方差(GARCH)模型无法直接用于城市轨道交通领域。基于此,引入广义误差分布(GED)虚变量,构建改进的GARCH模型,并基于成都地铁1号线下行断面客流时间序列数据,借助EViews和Matlab软件对改进前后的模型效果进行实证对比分析。结果表明,改进后的虚变量GARCH模型比原始的GARCH模型具有更好的适用性。

不同模型下ES风险度量的计算

给出当金融资产遵从几何布朗运动时期望损失的计算。当金融资产价格的对数收益率服从均值方程为ARMA模型,方差方程为GARCH(s,n)模型,而均值修正后的收益率分别服从正态分布、t分布和GED分布时,给出了期望损失的计算。

充血性心衰的心率条件波动特性研究

本研究采用广义自回归条件异方差(GARCH)模型对physionet心电数据库中充血性心衰(CHF)的心率变化序列(疾病组)和正常心率变化序列(正常组)的条件波动特性进行探讨。结果表明:①心率变化率序列中存在条件波动特性,在GARCH模型族中,门限GARCH(1,1)[TGARCH(1,1)]模型在拟合充血性心衰心率变化率时精度较好,自回归条件异方差[ARCH(1)]模型结构简单,误差与TGARCH(1,1)接近。②疾病组和正常组的模型系数存在着较大的差异。因此,这些结果为心率变化的研究与临床应用提供了一种新的方法。

城市轨道交通通勤与职住平衡状况的关系研究——基于大数据方法的北京实证分析

城市轨道交通网络的发展在提高居民通勤效率的同时也对其职住平衡状况产生了一定影响。论文以北京市206个轨道站点为例,基于高斯混合模型(Gaussian mixture model, GMM)和一卡通刷卡数据将轨道站点按职住功能进行分类,利用腾讯'宜出行'定位数据考察轨道站点周边的动态人口分布并计算就业居住比。研究发现:①中心城区的职住状况明显优于中心城区以外区域;②轨道交通线网末端区域的职住平衡程度较差,仅有少数成规模的高端服务产业集中分布的轨道站点周边形成了区域性就业中心;③部分就业-居住较为均衡的城郊地区仍存在一定的职住不匹配现象。随后,通过计算一卡通出进站比和'宜出行'职住比得到出进站均衡度和职住平衡度,利用广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity, GARCH)模型对轨道交通通勤和职住平衡程度进行相关性分析,研究结果表明:①出进站均衡度与职住平衡度具有非常显著的正向关系,即站点进出站人数越接近,站点周边区域的职住状况越好;②典型就业地站点与站点周边区域的职住平衡程度显著正相关,而典型居住地站点与站点周边区域的职住状况存在显著的负相关性。这表明,人口稠密的聚居区无法带动同样数量就业岗位的产生,而完善的就业中心能够吸引一定数量的人口在附近居住;③轨道站点的区位条件与职住平衡状况存在一定正向关系;④GMM能够对属性复杂模糊的轨道站点进行有效的聚类分析;⑤具有实时性强、精确度高、覆盖度广、获取难度低等优点的'宜出行'数据能够在微观空间尺度下弥补其他捕捉和分析实时人口时空分布特征方法的局限性。