基于Hawkes过程的车联网协同缓存及资源分配

随着网络流量呈指数级增长,能够访问多媒体内容的智能汽车也面临巨大的流量压力,为此提出了一种基于Hawkes过程更新内容流行度的车联网协同缓存及资源分配框架.研究了在路边单元和智能车辆中的协同缓存及资源分配策略,同时,考虑到内容缓存的更新周期远大于信道条件的变化周期,提出了双时间尺度模型.首先,使用基于Hawkes过程的方法,考虑内容请求的新鲜度和时效性,根据历史内容请求记录更新流行度;然后,对路边单元和车辆协作缓存策略的数据传输吞吐量和缓存能耗进行建模,以最大化边缘设备的缓存效益为目标,并利用深度强化学习求解优化问题.仿真结果表明,所提出策略相比其他策略可以得到更高的效益.

利用Hawkes过程模型的移动边缘计算服务质量预测

移动边缘计算为用户提供高性能、低延时、高带宽的网络服务.在移动边缘计算环境中,服务质量预测对提高用户的满意度具有重要作用.目标用户的相似用户在历史时刻使用该边缘服务器访问服务的服务质量高,对目标用户访问该边缘服务器有激励作用,并且使用该边缘服务器服务质量高的相似用户越多,起到的激励作用也会累加.考虑到激励作用可以提高服务质量预测准确性,本文提出基于Hawkes过程模型的移动边缘计算服务质量预测方法.方法首先确定目标用户的相似用户,再提取相似用户在边缘服务器上的服务质量数据,使用最大似然估计方法训练Hawkes过程模型,得到训练后的各参数值,最后使用Hawkes过程模型对目标用户使用附近边缘服务器服务质量高的概率进行预测,得到概率最高的边缘服务器,以提高用户的满意度.与现有方法的对比实验表明,本文所提出的方法对移动边缘服务环境中未知QoS的预测更为准确.

基于Hawkes过程的尾部风险溢酬分析

基于Hawkes过程,利用台指期权和期货数据,估计尾部风险溢酬及其两个组成部分(正跳和负跳的尾部风险溢酬),并进一步探讨其对台指收益率预测力的差异,以及与投资者情绪之间的不同关系.实证结果发现:中国台湾市场上负跳(正跳)的尾部风险溢酬均值为正(负),整体的尾部风险溢酬受负跳的影响更大.负跳(正跳)的尾部风险溢酬对未来1个月~6个月的台指收益率均有(没有)显著的预测力,但整体的尾部风险溢酬对未来收益率预测的效果并不稳定.投资者情绪对正跳(负跳)的尾部风险溢酬具有显著为正(负)的解释力,但对整体的尾部风险溢酬则不具有显著的解释力.

Hawkes过程分支比估计——一种简单的非参数方法

Hawkes自激发过程是近年来被广泛用于金融建模的一个良好模型。本文提出了一种Hawkes自激发过程的分支比的简单估计方法,该方法是对Hardiman和Bouchaud提出的均值-方差估计量的改进。在继承均值-方差估计量形式简便的优点的同时,克服其参数难以选择的缺陷,减小了估计的系统性偏差。模拟结果验证了改进的效果,同时我们将该估计方法用于我国股市内生性水平的分析之中。

稳定Hawkes过程下的保险公司分红问题

引入Hawkes过程来代替经典的泊松过程,建立了索赔具有族群特性的一类保险公司分红模型,并探究了最优分红策略问题.引入粘性解的概念,利用动态规划原理推导出优化问题,其解满足一个完全非线性偏微分方程:Hamilton-Jacobi-Bellman方程,并证明了值函数是相关方程的粘性解,给出了验证定理.最后进行数值模拟实验,并介绍了障碍线策略实施过程.

基于Hawkes过程中美股市大幅波动互激效应的研究

近年来,由于中美经济联系日趋紧密,中美股票市场大幅波动的互激效应明显增强。本文考虑中美股市时差和法定节假日差异等因素,运用标值Hawkes过程对2006-2017年CSI300和S＆P500大幅波动收益率数据进行建模,结果表明：（1）中美股市大幅波动互激效应存在不对称性,美股市场大幅波动对中国股市的互激效应更强;（2）中美股市大幅波动的幅度对互激效应不存在显著影响;（3）中美股票市场对于大幅波动互激效应的消化速度存在差异,中国股票市场消化美股大幅波动互激效应的速度较快。本研究对金融市场监管者和投资者均有一定意义。

基于Hawkes过程的国际原油市场与中国股票市场大幅波动联动性研究

考虑国际原油市场与中国股票市场之间的大幅波动存在联动性,本文采用二维标值Hawkes模型对2007年至2019年8月的布伦特原油期货和沪深300指数的日度数据中大幅波动的单市场延续和跨市场传染的传播特性进行建模。实证结果表明:(1)Hawkes过程可以较好地拟合国际原油和中国股市之间大幅波动的自激发和互激发效应,并捕捉资产收益率在时间和空间上的聚集性、持续性和溢出性;(2)原油市场和中国股市的大幅波动均存在较强的自激发效应;(3)原油市场和中国股市之间大幅波动的互激发效应具有统计意义上的显著性,但在实际影响方面相比于自激发效应更为微弱。本研究对股票市场建设、资产配置和风险防范均有一定意义。

基于状态依赖Hawkes过程的我国股市限价指令簿事件激励效应研究

指令驱动市场中,交易者对委托指令的提交和撤销往往表现出非平稳性和集聚性特征。量化评价限价指令簿事件间的激励关系,是探究限价指令簿动态演化的基础,指导交易者行为决策的重要参照。本文利用我国股票逐单委托数据重建了实时演化的限价指令簿,基于状态依赖Hawkes过程分析了不同市场状态下各类限价指令簿事件的自激励和互激励效应。共采用三种不同设定的状态依赖Hawkes过程模型进行实证分析,并探讨了我国股市中交易者的行为特征。实证结果表明,总体上我国股市中限价指令簿事件的自激励效应强于互激励效应,且不同市场状态下存在显著差异。激进事件所产生的互激励效应更为强烈,通过激进程度划分事件类型更能反映事件冲击和交易者的信息学习行为。

Hawkes跳扩散模型下的脆弱期权定价

研究了随机利率下含交易对手风险的期权定价问题.假设具有随机波动率的标的资产价格与交易对手资产价值是随机相关的,且假设它们的跳跃都服从具有自刺激性的Hawkes过程.针对所构建的期权定价模型,求得了脆弱欧式期权价格的半解析表达式.数值分析中,通过快速傅里叶变换方法计算期权价格,发现所构建模型的期权价格要高于Poisson跳模型、固定相关模型和固定利率模型.此外,期权价值随违约边界值和破产成本比例的增大而减小;期权价值随标的初始价格和交易对手资产初始价值的增大而增大.

基于LDA-DeepHawkes模型的信息级联预测

基于信息早期的传播特征来预测其未来的传播范围具有广泛的应用价值。DeepHawkes模型将Hawkes模型与深度学习相结合,不仅继承了Hawkes模型能够表征和建模信息扩散过程的高度可解释性,又具备深度学习自主学习流行度预测隐含特征的高准确预测能力,弥合了传统方法中信息级联的预测与理解之间的间隙。然而,DeepHawkes模型忽略了信息本身的文本内容对于传播的影响。在DeepHawkes模型的基础上提出了既考虑级联的因素又考虑文本内容的LDA-DeepHawkes模型,更加全面地建模信息扩散过程,在继承DeepHawkes高解释性的同时,进一步提高预测准确度。在两个新浪微博数据集上对比了LDA-DeepHawkes模型与其他模型的预测准确度,分析了模型中参数对预测效果的影响。实验结果表明:LDA-DeepHawkes模型有较好的预测精度,说明信息的文本内容也是影响信息扩散的重要因素。

基于跳聚集现象随机波动率短期利率模型的影响研究

构建了具有自我激励机制跳的随机波动率短期利率模型,应用Hawkes过程描述自我激励机制的跳,从而刻画了跳的聚集现象。基于微分算子展开给出精确的矩函数,进一步应用广义矩方法给出模型的参数估计值和统计推断。实证结果揭示了在随机波动模型条件下,引入自我激励机制跳的模型将不会明显地改变了拟合效果,但是在统计意义上接受强度满足Hawkes过程,而且所构建的模型也能很好地刻画跳的聚集现象。最后,使用过滤方法给出随机波动率、跳的幅度、跳的概率和随机跳强度的估计,特别是跳的概率估计值可作为市场压力测试的一个重要指标。

指令激励效应对中国股票市场的影响-基于标值Hawkes模型的实证分析

近年来,中国股票市场中委托指令的提交表现出非平稳性和集聚性特征,交易者非理性的指令提交行为引起了研究者的关注。挖掘指令流数据,剖析交易者对市场整体信息的反馈具有重要意义。从交易者行为的微观视角,探讨指令提交事件的相互影响,剖析交易者行为的相互作用。以深圳证券交易所股票为样本,利用逐笔指令数据还原了实时动态演化的限价指令簿,基于标值Hawkes过程拟合指令流数据,量化分析指令之间自激励和互激励效应,并实证研究指令激励与股票日度波动的相互影响。研究结果表明,指令激励效应是造成指令强度差异的主要因素,且自激励效应占95%以上,其中除了最优限价指令外,其他自激励效应均表现出明显的U形日内模式。与股票日度波动相结合的研究发现,指令激励效应对于股票的影响均表现出买卖方非对称性,买方的市价指令以及卖方的限价和撤单指令对于股票日度特征的影响更加显著。此外,限价指令激励效应的解释力与深度也有关联,具体表现为最优档位卖方指令对收益率影响较大,而更深档位指令可以更好地反映股票波动率。激励效应主要受盘中信息和短期波动的影响,流动性和盘前信息没有过多参考价值。研究结果从交易者行为的微观角度揭示了指令集聚现象的本质,对交易者行为特征问题的研究进行完善和补充,为股票波动提供了新的研究视角,具有创新性和一定的实践意义,为监管者提供了风险预警工具,且有助于交易者优化交易策略。

基于协同过滤与概率主题模型的大学生行为模式挖掘研究

大学生个体多样性的增强使得高校的教育管理面临前所未有的挑战。在教育大数据环境下,如何利用数据挖掘技术从海量校园行为数据中挖掘出有价值的信息变得尤为重要。针对校园行为数据存在稀疏性的问题,提出一种基于协同过滤与概率主题模型的大学生行为模式挖掘方法;采用Hawkes过程模拟产生事件并使用自定义指标评估模型性能,结果表明模型能有效挖掘出大学生行为模式。最后从同伴数量与类别选择的角度分析了大学生行为模式。

跳跃视角下的股指期货价格发现功能研究

为了揭示中国股指期货在跳跃上的价格发现功能,本文采用具有自刺激和交叉刺激特征的二维Hawkes过程,对股指期货和现货的跳跃进行建模,并分别以我国沪深300、上证50和中证500股指期货和现货收益率作为样本,探究我国股指期货和现货的跳跃自刺激行为以及相互之间的跳跃交叉刺激作用。实证结果表明:Hakwes过程对三类股指期货和现货的跳跃均拟合得较好;股指期货和现货的跳跃存在着明显的同向自刺激,且除了中证500股指以外,下跳的自刺激均强于上跳;股指期货的跳跃会显著刺激股指现货发生跳跃,但股指现货的跳跃对股指期货的刺激并不显著。总而言之,中国股指期货在跳跃上具有价格发现功能,期货价格的跳跃能够引导现货价格发生跳跃,而现货价格跳跃对期货价格跳跃的引导作用则不明显。

中国股市暴涨暴跌的交互作用及其预测

运用互相刺激的Hawkes过程研究中国股市暴涨和暴涨之间的交互作用。结果表明,在暴涨和暴跌幅度都服从广义帕累托分布的情形下,Hawkes过程能很好地拟合两者之间的相互作用。由模型可得,无论发生暴涨还是暴跌事件,都将显著地刺激下一个暴涨和暴跌的发生,这说明,中国股市体现出很明显的大波动聚集特征;此外,暴涨和暴跌都对同类事件的刺激持续更长时间。最后,运用该模型对中国股市未来发生暴涨和暴涨的时间进行相应预测。

基于Hawkes因子模型的股价共同跳跃研究

本文首先比较了三种目前主流的共跳检验方法：基于LM检验的共跳检验、BLT共跳检验和FHLL共跳检验,结果表明,三种方法在识别共跳数量上差距明显,但三者结果的重合部分基本属于市场暴涨暴跌行情,说明共跳识别对市场剧烈波动的聚集性较为敏感。基于跳跃、共跳存在的聚集性问题,本文将Hawkes过程引入跳跃和共跳的研究,构建了基于Hawkes过程的因子模型,结果显示,基于Hawkes因子模型的MJ统计量、CJ统计量和实证数据的拟合程度较好,表明因子模型能够更好地描述跳跃和共跳的聚集性。

跳自刺激效应下的VIX期权定价研究

针对VIX指数的均值回复、波动率聚集特征以及实证研究最近发现的跳跃自刺激性,本文采用具有自刺激性的Hawkes过程对VIX指数的跳跃进行建模,进而构建仿射跳跃扩散模型用于VIX期权定价,得到Hawkes跳跃扩散过程的条件特征函数,然后在风险中性定价框架内采用傅里叶变换方法推导出VIX期权的价值表达式。实证结果表明,本文模型不仅能克服一般均值回复模型拟合误差大的缺点,且能产生正的隐含波动率倾斜和隐含波动率微笑;另一方面,由于考虑了跳跃的自刺激,本文模型在泊松跳跃均值回复模型基础上进一步改善了VIX期权价格的预测效果。

美元指数与原油价格暴涨暴跌的交互刺激研究

采用具有相互刺激特征的Hawkes过程探究美元指数与原油价格暴涨暴跌的交互刺激作用。结果表明:在暴涨暴跌幅度均服从广义帕累托分布的基础上,Hawkes过程对美元指数与原油价格的暴涨暴跌均拟合得较好;美元指数和原油价格的暴涨暴跌具有明显的自我刺激效应,且原油价格的暴涨暴跌会单向刺激美元指数暴涨暴跌的发生,即交叉刺激效应具有非对称性。同时,实证发现Hawkes过程对美元指数与原油价格的暴涨暴跌的预测能力要优于泊松过程。

国际金融危机传染性监测研究——一个研究方法

对于国际金融危机的研究要解决的关键问题就是如何精准且前瞻性地测度金融危机在国家与国家之间的传染性。文章采用新的量化研究方法,摆脱以往研究的局限。基于多元Hawkes模型,将指标之间大幅度波动的相关性做为监控对象,精准地测度多指标间联动性,以监测国家间金融危机的传染性。此外,研究方法的改变不仅可以实现对危机传染性精准、实时、前瞻性地监测,而且能同时监测多个国家,将所有国家的指标都纳入到模型中。

引入跳跃与联跳强度的沪深300股指期货套期保值研究

考虑到资产收益的跳跃以及联跳行为给套期保值策略带来的挑战,利用沪深300股指期货与沪深300指数及其成分股的5分钟高频数据,识别现货跳跃、期货跳跃、期货-现货联跳以及成分股联跳,并用Hawkes过程估计相应跳跃强度与联跳强度,在基本的向量异质自回归(VecHAR)模型基础上提出引入跳跃强度与联跳强度的VecHAR-RVRCOV-CJ-JICI模型。实证表明,根据新模型构建的动态套期保值策略,相较于根据常用二元GARCH模型以及根据不考虑跳跃强度和联跳强度的VecHAR-RVRCOV-CJ模型构建的动态套期保值策略,具有更优的样本外套期保值绩效。因此引入跳跃强度与联跳强度可以有效改善对沪深300股指期货的动态套保。