基于LASSO回归的R-vine copula模型构建及其在化工过程故障检测中的应用

Vine copula模型在描述高维数据间的非线性、非高斯特性相依关系问题上提供了一种新的思路,在化工过程建模领域受到越来越多关注。笔者将LASSO(least absolute shrinkage and selection operator)回归引入R-vine copula(LASSO-R-vine copula,LRVC),根据变量间联系的强弱程度确定变量在R-vine矩阵中的位置,利用回归分析正则化路径选择R-vine copula矩阵结构,遵循R-vine矩阵构建规则和回归过程确定R-vine结构矩阵模型,以获得一个与变量独立性有关的稀疏矩阵模型。该方法构建的矩阵结构独立于copula函数类型和参数,在处理高维度复杂工业过程数据时,利用稀疏模型和惩罚力度简化copula函数类型选择过程,缩短了建模时间,使统计建模具有更强的灵活性。该方法在TE(Tennessee Eastman)和醋酸脱水过程故障监测中表现出较好的预测效果,证明了提出的方法在非线性、非高斯过程的有效性。

基于最优R-Vine Gaussian Copula模型的服役大跨桥梁主梁失效概率分析

考虑到服役大跨桥梁主梁多个控制监测点失效模式的相关性,提出失效概率分析的最优regular-vine(R-vine)Gaussian copula信息融合新方法。利用极值应变信息,引入双变量pair-Gaussian-copula模型和最优R-vine模型,结合多个控制监测点的功能函数,进行失效模式相关性的最优R-vine Gaussian copula建模分析;融合一次二阶矩方法,进行失效模式相关的服役大跨桥梁主梁失效概率分析;通过在役桥梁监测数据对所提方法的合理性进行验证,并与其他分析方法进行比较。结果表明,考虑控制监测点失效模式相关性的大跨桥梁主梁失效概率分析的最优R-Vine Gaussian copula信息融合方法更为合理。

基于R-vine-copula-CoVaR模型的金融市场风险溢出效应研究

为了挖掘国际金融市场与中国金融市场的风险溢出效应,本文首先通过ARJI-GARCH模型捕捉单个市场收益率的跳跃等典型事实特征,然后采用最大生成树(Maximum Spanning Tree,MST)算法优化的R-vine来刻画多维金融资产的复杂相依结构;最后构建R-vine-copula-Co VaR模型,测度了国际原油市场、国际黄金市场、美国股票市场与中国股票市场、外汇市场之间的风险溢出效应。实证结果表明:各市场之间均存在双向风险溢出效应,但溢出程度差别很大,国际黄金市场是风险溢出的最大爆发源,仅有中国外汇市场与中国股票市场、国际黄金市场间存在负向风险溢出;市场之间的双向风险溢出效应呈非对称性,国际原油市场与黄金市场的风险溢出效应远大于中国股票市场与外汇市场风险溢出效应;Rosenb-Latt检验表明基于R藤的Co VaR风险溢出测度更具有灵活性和有效性;后验测试结果表明R-vine-copula-Co VaR模型能有效地测度国际金融市场对中国金融市场风险溢出效应,而对中国金融市场风险溢出效应的Co VaR测度存在被高估的可能。

基于高频波动率模型与R-vine copula的行业资产组合风险测度研究

相较于低频波动率模型,高频波动率模型在单资产的波动和风险预测中均取得了更好效果,因此如何将高频波动率模型引入组合风险分析具有重要的理论和现实意义。本文以沪深300指数中的6种行业高频数据为例,运用滚动时间窗技术建立9类已实现波动率异质自回归(HAR-RV-type)模型刻画行业指数波动,同时使用R-vine copula模型描述行业资产间相依结构,进一步结合均值-CVaR模型优化行业资产组合投资比例,构建组合风险的预期损失模型,并通过返回测试比较不同风险模型的精度差异。研究结果表明:将HAR族高频波动率模型引入组合风险分析框架,能够有效预测行业资产组合风险状况;高频波动率预测的准确性将进而影响组合风险测度效果,跳跃、符号跳跃变差以及符号正向、负向跳跃变差均有助于提高行业组合风险的预测精度。

基于R-Vine Copula模型的国际原油与国际股市间的风险传染效应研究

【目的/意义】为捕捉国际原油与国际股市之间的整体联动关系,判断油价暴跌期间的市场走向,提高投资者的能源意识和国家的能源安全及金融安全管理水平。【设计/方法】借助R-Vine Copula模型对国际原油及国际股市之间的复杂相依结构进行刻画。【结论/发现】研究表明在油价暴跌期间,印度、韩国和俄罗斯等国家最先受到波及。此外,受油价波动影响,不同国家股市之间存在不同程度的风险外溢情况,使得原油波动的影响范围进一步扩大。相较于原油进口国,油价波动对原油出口国的冲击会更强一些。

R-vine copula模型与PCBN模型的比较

文章对比了两类刻画高维变量相依结构模型——R-vine copula模型和PCBN模型,并将其应用于国民经济九大行业信用风险相依结构分析,结果表明,与R-vine copula模型相比,PCBN模型能更好地兼顾模型的准确性和简洁性目标。通过PCBN模型可以发现:国民经济整个系统内行业间存在条件独立关系,其中七个行业构成的子系统是整个系统内风险传染的关键媒介,而在子系统内部,水电燃气、批发零售、信息软件及金融业是信用风险传染的关键媒介。

沪深300行业的相依结构突变性分析——基于动态R-Vine Copula

本文结合滚动窗口技术构建高维动态R-Vine Copula模型,通过识别动态R-Vine Copula模型的结构突变点来判断高维变量间相依结构的动态变化,以此研究沪深300的10个一级行业在2015年至2022年的相依结构突变性。实证结果表明:2015年至2022年行业间的相依结构在2018年1月与2019年12月发生结构突变,将整体划分为3个突变区间,两次突变发生的原因受中美贸易战与新冠疫情影响的可能较大;三个突变区间内,沪深300行业间相依结构有较大变化,行业中心点由工业与可选消费转移至工业,再转移至可选消费;突变区间1内行业间多呈上下尾不对称的相依结构,而突变区间2内行业间大多表现出上下尾对称的相依结构,同时相依性有所增大,突变区间3内行业间多呈上下尾不对称的相依结构,且相依性有所降低。此外,新冠疫情期间沪深300行业投资组合的风险价值(VaR)与期望损失(ES)的绝对值相较于疫情前有所增大,但随着疫情影响的减弱,行业投资组合VaR与ES的值在2021年6月逐渐趋于与突变点前一致。

基于R-Vine Copula的多维混合型数据控制图设计

多维混合型数据监测问题一直是质量控制和质量管理中的重点和难点。混合型数据包括名义型、顺序型和数值型3种类型。传统的多变量控制图往往只考虑数值型的数据,在应用中存在一定的局限性。同时,在实际场景中,各类变量之间往往存在一定的相关性,这也是在传统控制图中容易被忽略的关键点。本文通过引入Copula-Vine模型,充分利用了顺序型变量的秩相关性,建立了一种新的基于R-Vine Copula的混合型数据控制图(R-Vine Copula control chart, RVC)。通过算例比较,验证了该控制图相对于现有模型在混合型数据监测方面更强的灵活性和有效性。

基于R-Vine Copula函数的极端降水联合分布模型及风险识别

在边缘分布函数优选的基础上,采用条件Copula函数和Vine图结构,构建基于R-Vine Copula函数的极端降水联合分布模型,以河南省4个气象站的实测数据进行模型验证和对比分析,并对极端降水指标进行了风险识别。结果表明:构建的模型可以描述变量之间的不同尾部特征,保持原序列Kendall和Spearman相关系数等统计特征,整体精度优于基于C-Vine Copula函数构建的极端降水联合分布模型;河南省年降水量与降水强度、最大1 d降水量与最大5 d降水量的概率分布密切相关,各指标对联合概率密度的影响程度呈现出空间异质性。

R-vine copula在中国碳市场中的风险溢出效应研究

为应对气候变化,越来越多的国家和地区采取碳排放权交易的方式来达到减排二氧化碳的目的。中国建立区域排放交易机制是一种新的探索性实践。为促进中国碳市场的成长和成熟,与国际碳市场融合,对碳市场风险进行测量,并研究了市场之间的风险溢出效应,为碳市场的政策制定提供了理论参考。构建ARMA-GARCH(1,1)模型在偏t、GED等分布下,对中国5个试点碳市场的CO_(2)排放配额现货价格进行建模。VaR和CVaR用来测量上海、北京、湖北、广东、深圳碳市场的风险。R-vine copula-CoVaR用来探索中国碳市场的风险溢出效应。研究结果表明风险溢出效应只存在于深圳与上海、北京与上海、湖北与广东碳市场之间,其中深圳到上海、湖北到广东均为单向风险溢出效应,北京与上海为双向风险溢出效应。

基于核密度估计的R-Vine Copula选择及其在故障检测中的应用?

在化工过程监控领域,Vine Copula模型为描述高维复杂变量之间相依关系提供了一种新的思想,在不降维的基础上直接刻画变量之间复杂的相关关系。传统的Copula函数模型选择方法是基于赤池信息准则(Akaikeinformation criterion,AIC),但是在利用AIC准则时不仅要计算Copula的密度函数,而且边缘分布的拟合效果也直接影响了AIC的取值。本文提出了基于核密度估计的R-Vine Copula (kernel estimation-based R-vine Copula, KRVC)选择方法,并将其应用在化工过程监控领域。通过核密度选择原理得到R-Vine模型,然后利用高密度区域(HDR)与密度分位数表等理论,构建非高斯态广义局部概率指标(GLP)。该方法在TE(TennesseeEastman)过程中以及醋酸脱水过程中的应用验证了KRVC方法在过程监控中的良好性能。

基于R-vine Copula的金融市场系统性风险测度

近年来,以股市为代表的各国金融市场的系统性暴涨暴跌给实体经济的稳定发展带来了众多的不确定因素。正因如此,需对股票市场极端条件下波动的系统联动性与条件分散效应进行研究。文章首先构建极值R-vine Copula模型,分析了全球六大股票市场的风险相依关系及分散效应。在此基础上,构建出资产组合的VaR模型,测试样本之外的极端风险,并通过Kupiec回溯检验方法,验证了模型的有效性。研究结果表明:结合EVT极值理论的R-vine Copula模型能够有效地描述各国股票市场间的尾部极值系统性风险相依关系,取得了更好的全球股票市场系统性风险关联与测度效果,英国富时100指数起到了系统性风险的连接作用。通过Vine Copula结构分解进一步分析发现,欧美地区的系统性风险相对亚洲地区更难被分散。

基于动态R-Vine Copula的银行股指投资组合及风险度量研究

金融资产价格之间的波动往往具有结构相依性。为了研究银行股指数据间这种复杂关系,能够进一步准确度量金融风险,本文以我国六大银行股指数据为研究对象,利用ARMA-GJR-SkT模型作为单一资产序列的边缘分布,以灵活的R-Vine Copula模型为基础,联合构建投资组合模型。通过滚动时间窗口的Monte Carlo技术及MST-PRIM算法确定各类模型的RVM结构,在此基础上结合逆变换法仿真模拟收益率序列,并利用模拟收益率进一步计算VaR与CVaR,最后经返回值检验法对模型进行验证。结果表明:建立最优的投资组合模型是精准度量金融风险的关键;在风险度量时,相同的置信水平下,CVaR模型比VaR模型更可靠。置信水平不等时,其值增大的同时,失败天数会减小。

我国金融行业间系统性风险外溢效应研究——基于R-vine Copula方法

在Copula理论基础上,构建GJR-GARCH-Copula模型,并采用R-vine结构,利用我国内地上市的30家金融机构的股票数据,分别求得金融行业中银行、证券、保险和信托4个子行业的联合概率分布,对4个子行业间的系统性风险外溢效应进行测度。研究结果显示:相比广泛使用的C-vine和D-vine结构,R-vine具有更好的拟合效果,可以更灵活地表现出金融机构间的关联性;银行、证券、保险以及信托业之间都存在明显的非对称性风险传递,其中银行业对其他3个行业造成的影响最大,是金融风险的最大来源。最后,提出了关于控制系统性风险、防范风险外溢的几点建议。

基于R-Vine Copula的财险公司经济资本度量与分散化效益研究

经济资本在保险公司内部风险管理和资本配置等方面发挥着至关重要的作用,它能够准确地反映保险公司所面临的风险状况,并为风险的有效管理与资本的合理配置提供重要依据。本文以财险公司的经济资本为研究对象,在传统资产负债模型的框架下,通过R-Vine Copula风险聚合方法对资产和负债进行联合建模,进而计算经济资本并分析相应的分散化效益,并与监管方法进行比较。研究结果表明财险公司的资产和负债存在复杂的依赖关系,利用Vine结构可以更加全面、精确地描述这两者之间的非对称和非线性相关性,同时拟合数据的尾部特征,进而获得更为稳健的净资本估计量,以及更为真实的经济资本需求和相应的分散效益。相较于偿付能力规则下的线性聚合方法,R-Vine Copula风险聚合方法能充分利用资产变量和负债变量之间的相关性信息,适宜用作计算经济资本的内部模型。该模型以风险为导向,为研究资产和负债的联动关系提供一个新的方法,可以帮助财险公司更好地管理风险,并提升整体业务的稳定性和可持续发展能力。

基于R-vine copula的原油市场极端风险动态测度研究

近年来,原油价格的暴涨暴跌给实体经济的稳定发展带来了众多的不确定因素,因此对原油市场的极端波动风险进行准确刻画和预测具有重要的理论和现实意义。结合EVT极值理论,构建五类R-vine copula模型,刻画了六大原油市场间的极值风险相依关系,在此基础上,分别构建资产组合的在险价值(VaR)与预期损失(ES)模型,进行样本外极端风险的滚动测度,并通过backtesting方法,对比了各类模型测度精度的差异状况。研究结果表明:结合EVT极值理论的Mixed R-vine copula模型能够有效地描述原油市场间的尾部极值风险相依关系,取得了更好的风险测度效果;VaR模型能够较好地测度较低风险水平上的组合风险价值,但在高风险水平上的测度效果却有所不足,而ES模型则在高风险水平上表现出了更为优异的组合风险测度能力。

基于高维动态R-Vine Copula的股份制商业银行系统性金融风险计量研究

以精准计量系统性金融风险为主要目标,采用R-Vine Copula方法解决股份制商业银行系统性风险精准计量问题.研究过程进行GJR-GARCH与GPD模型拟合、过滤、PIT,实现动态R-Vine Copula建模、仿真,以历史重现原则仿真VaR,并与静态模型作比较,最终得出动态R-Vine Copula模型更优胜结论.研究意义在于为系统性金融风险计量提供了新的模型支持,为系统性金融风险预警提供了更精准的量化方法准备,期望对于新时代金融风险的监管防控与学术研究起到抛砖引玉的作用.

基于高维R-vine Copula的金融市场投资组合优化研究

为优化国际金融市场的投资组合,本文以全球具有代表性的七大股票市场重要股票指数作为金融市场的典型代表:首先运用较为灵活的APARCH模型来刻画股票指数收益序列的"典型事实"特征,其次针对投资组合优化模型中变量之间复杂相依关系,采用最大生成树MST(maximum spanning tree,MST)算法选择的R-vine Copula来刻画七个股票市场的相依结构,进而测度R-vine Copula相依结构下组合风险CVaR,最后基于R-vine Copula相依结构条件下建立Mean-CVaR投资组合模型,并实证对比了Mean-VaR,Mean-CVaR和基于R-vine Copula相依结构下的MeanCVaR模型的拟合效果.实证结果表明:考虑资产之间的相依结构能起到优化投资组合的效果,在降低投资组合风险的同时增加了回报率;基于R-vine Copula相依结构下的Mean-CVaR模型投资组合优化效果明显优于Mean-CVaR模型,而Mean-VaR模型较其它两种模型表现相对较差.

基于R-Vine Copula模型的情景模拟研究

相关性分析是多变量分析中的一个中心问题,而压力情景模拟则是确定某变量在多变量系统中重要性的常用方法.文章针对灵活刻画多变量相依结构的R-vine copula模型,提出了R-vine结构下的情景模拟算法,并以德国五公司收益率序列为样本系统,发现了系统内个体相依结构,模拟了个体在上、下尾极值情景下,其他个体及整个系统的响应情况,发现了不同行情下的系统重要性企业,实证结果与现实基本一致.所提出的算法可用于金融管理领域的风险传染、系统重要性机构的识别以及宏观审慎监管等方面的研究.

大跨桥梁主梁失效概率分析的最优R-Vine Copula

为合理分析大跨桥梁主梁的失效概率,考虑到多个控制监测点失效模式的相关性,提出了大跨桥梁主梁失效概率分析的信息融合新方法。利用极值应变信息,引入双变量Pair-Copula模型和R-Vine模型,结合多个控制监测点的功能函数,对监测点失效模式相关性进行最优Regular vine copula(R-Vine Copula)建模分析,融合一次二阶矩(FOSM)方法,进行失效模式相关的大跨桥梁主梁失效概率分析,通过在役桥梁监测数据对本文方法的合理性进行验证,并与其他分析方法进行比较。结果表明,考虑控制监测点失效模式相关性的大跨桥梁主梁失效概率分析的最优R-Vine Copula信息融合方法较为合理。