基于Vine Copula的鄱阳湖流域近70年洪水空间分异规律

量化流域的洪水空间分异规律,对防洪减灾具有重要意义。采用鄱阳湖流域不同支流7个水文站近70 a日径流量资料,利用自动峰值超阈值模型、主衰退曲线分析法确定总洪量、洪峰流量和持续时间3个洪水特征,基于Vine Copula模型建立三维联合分布,计算联合、同现和2种条件重现期来对比研究各支流的洪水演化规律。结果显示:洪峰流量最优边缘分布为对数正态分布,总洪量以伽马分布为主;Gaussian Copula模型对洪峰流量和总洪量的相关性结构拟合效果良好,Gaussian Copula模型和Student t Copula模型适合建立总洪量条件下洪峰流量和持续时间的相关性结构;鄱阳湖流域西部会形成总洪量、洪峰流量和持续时间均较大的灾难性大洪水;流域东部容易在短期内积累较大的洪量,而不会形成持续性洪水;在洪量一定的情况下,流域南部洪水的洪峰流量最大。研究结果可为鄱阳湖流域改进洪水预警方法和制定洪水分级管理策略提供参考。

基于Vine-Copula的高土石坝变形监控模型研究

针对高土石坝变形监控模型主要基于单一测点,无法定量考虑测点空间关联性的问题,构建了基于Vine-Copula的变形监控模型,并提出了基于蒙特卡洛随机抽样法的空间置信域预警阈值设置方法。在模型构建过程中,充分考虑了多测点之间的时序特性和空间相关性,利用Vine-Copula方法对变形数据进行精确建模和分析,以揭示高土石坝变形的整体趋势。同时,通过蒙特卡洛随机抽样法确定了空间置信域,为预警阈值的设定提供了科学依据。工程实践表明:该模型模拟结果能够准确反映高土石坝变形的整体趋势,具有较高的合理性和精度,有效实现了监测效应量向高土石坝空间全域的拓展。研究成果可为高土石坝安全监控提供新的思路和方法,具有重要的理论意义和实践价值。

基于R Vine Copula的VaR模型期货市场的风险度量

按照传统投资组合的观点,投资者通过投资于低相关性的不同资产可以起到分散风险的作用,资产与资产之间的关系一般以线性相关性来衡量。然而,不同资产之间的关系并非纯粹的线性相关,现实中不同资产之间具有不同的线性相关,但又往往在同一个时间点发生极端的风险损失。构建基于R Vine Copula的VaR风险度量模型,采用Copula模型获得了不同期货资产收益率的相依结构,测算出不同期货资产之间的尾部相依系数,并计算出这些期货资产之间的联合分布和条件分布,在此基础上对各资产在条件相依结构下的VaR进行估计,最后对这些期货资产的VaR进行Kupiec检验,检验结果验证了该模型估计风险的准确性和有效性。

失效非线性相关的桥梁截面可靠性Vine-Copula数据融合

为合理融合健康监测数据分析在役桥梁截面可靠性,首先应用桥梁截面多个监测点的极值应力数据,建立监测变量非线性相关的Vine-Copula模型,实现极值应力数据的融合分析;然后结合多个监测点的功能函数,进行桥梁截面失效模式非线性相关的Vine-Copula建模分析,并融合一次二阶矩(FOSM)方法,分析失效非线性相关的桥梁截面可靠性;最后进行了在役桥梁截面监测数据的验证分析.研究表明,考虑失效模式非线性相关性所得桥梁截面可靠性较不考虑失效模式相关性所得结果小,说明不考虑失效模式相关性所得结果偏保守.

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。

包商银行事件对我国上市银行系统性风险的影响——基于Vine Copula SCCA半参数模型

为研究包商银行这类区域性商业银行的风险暴露对我国上市银行系统性风险的影响,本文提出VineCopulaSCCA半参数模型,基于2013—2019年我国上市银行数据构建银行业整体及三大类银行机构的联合预期损失分布,并计算联合预期亏损作为系统性风险度量指标。该模型融入R-Vine Copula函数和半参数建模思想,放宽了传统SCCA模型关于风险相依结构和边际分布的假设,提升了国内银行业系统性风险测度的适应性,从而更加科学地测度我国银行业系统性风险的演变特征。研究发现,相较于传统SCCA模型,Vine Copula SCCA半参数模型成功捕捉到包商银行两次延期披露年报和被接管所预示的潜在风险暴露危机,能更好地刻画上市银行系统性风险的演变轨迹。本文给出更加合理的系统性风险测度模型,为我国区域性商业银行的高质量发展、风险防控以及相关监管政策的制定提供借鉴参考。

基于Vine-Copula贝叶斯网络模型的风机高温降容状态评估方法

风电机组在齿轮箱油温过高时会导致机组限功率运行,影响机组发电效率。传统应对风机高温降容状态多采用阈值判断,反应迟缓,加剧风机齿轮箱劣化趋势。利用贝叶斯网络对风机高温降容状态进行评估,为提取并准确合理地利用机组数据采集与监视控制系统(supervisory control and data acquisition system,SCADA)各个相关状态参数之间的耦合特性,通过vine-Copula模型对机组各个状态参数进行相关性分析,建立更符合机组实际运行状态的贝叶斯概率图形网络,实现对机组高温降容状态的评估。通过交叉熵算法对模型输出结果进行评价,发现与朴素贝叶斯模型相比,vine-Copula贝叶斯网络评估结果更为精确可靠,所建模型更符合机组实际运行工况,能够为现场的运维人员制定准确合理的运行和维护方案提供参考。

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。

基于动态Vine Copula模型的金融市场风险溢出效应研究

随着金融全球化进程的加速,国际金融市场间的联系日益紧密,深入分析国际金融市场对中国金融市场的风险溢出效应具有重要意义。本文首先基于高维动态Vine Copula模型构建高维金融市场的联合分布函数,然后运用条件在险价值方法测度国际原油市场、国际黄金市场以及国际外汇市场对中国股票市场的风险溢出效应,最后采用压力测试方法从多市场情景压力的视角进行稳健性检验。研究显示:国际金融市场对中国金融市场具有显著的风险溢出效应,但不同国际金融市场的风险溢出强度存在显著差异;国际金融市场对中国金融市场的上行风险溢出效应显著大于下行风险溢出效应,风险溢出强度呈现出非对称性特征;基于高维动态Vine Copula模型的压力测试方法可以有效度量多个金融市场对单一金融市场的风险溢出效应。本文针对投资者、风险管理者以及监管者提出了相应的政策建议。

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。

基于SJC-Vine-Copula函数的保险业上市公司风险的关联度研究——系统性风险的视角

关联度风险是导致系统性风险的主要原因。研究保险公司的关联度风险需要考虑风险增加的相关性和风险降低的相关性,即关联度的非对称性。本文使用市场导向的KMV模型测度保险公司的风险并形成时间序列,之后使用SJC-Vine-Copula函数研究分析保险公司风险之间的关联度。实证分析结果表明,保险公司在风险增加和风险降低之间的关联度具有非对称特征。一些保险公司之间风险增加的关联度高于风险降低的关联度;一些保险公司之间风险降低的关联度大于风险增加的关联度。此外,从各个年份的关联度风险来看,保险公司之间的关联度呈现出时变的特征和异质性特征,不同年份以及不同保险公司之间的关联度特征较为复杂,但非对称性明显。基于关联度视角来看,中国保险业在2013年系统性风险最高。整体而言,新华保险和中国平安、中国人寿和中国太保关联度较强,监管应重点关注中国平安。

Vine Copula与贝叶斯模型平均结合的月径流预测及应用

准确可靠且预见期较长的月径流预测对水资源配置、防汛抗旱以及生态环境保护等具有重要意义。径流变化与降水、气温、潜在蒸散发以及前期径流等存在密切联系。鉴于Vine Copula可以灵活地将多个随机变量的边缘分布函数通过Copula对的形式联结起来构造多维联合分布函数以及贝叶斯模型平均(Bayesian Model Averaging,BMA)在处理多模型集合预报方面的优势,该研究基于BMA集合多个Vine Copula模型提出了一种BVC径流预测模型(简称BVC模型),应用于黄河流域上游4个水文站(唐乃亥站、民和站、红旗站和折桥站)的月径流预测,采用确定性系数(R2)、纳什效率系数(Nash-Sutcliffe Efficiency coefficient,NSE)和均方根误差(Root Mean Squared Error,RMSE)评价模型的预测性能。结果表明,验证期内预见期为1~3个月时,BVC模型在各水文站的R2均大于等于0.83、NSE均大于等于0.78且RMSE均维持在较低水平;与随机森林(Random Forest,RF)模型和长短期记忆神经网络(Long Short-Term Memory Neural Network,LSTM)模型相比,BVC模型能够很好地预测各水文站月径流的变化过程,特别是月径流极值的变化。研究表明BVC模型在预见期为1~3个月时的月径流预测性能明显优于RF模型和LSTM模型。该研究构建的BVC模型为流域的水资源管理和风险评估等提供参考。

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。

基于稀疏D-vine Copula的建模方法及其在过程监测中的应用

针对工业过程中高维数据的非线性非高斯问题,提出了一种基于稀疏D-vine Copula(Sparse D-vine Copula-based,SDVC)的过程监测方法。首先,针对传统的Vine Copula结构优化方法容易引起估计误差在Vine结构中累积,并且计算负担随着数据维数的增加急剧增长的问题,修正了二元Copula的先验概率,使得高层次结构树中的二元Copula更倾向于优化为独立状态,实现了高层次树结构稀疏优化。其次,对Vine结构节点次序确定方法进行改进,根据节点间的相关性总和依次展开,使其更适用于水平结构的D-vine建模。最后,引入高密度区域(HDR)与密度分位数理论,构建适用于任意分布的广义局部概率(GLP)指标,以实现对工业过程的实时监测。通过田纳西-伊斯曼(Tennessee-Eastman,TE)和醋酸脱水工业过程验证了所提出方法的优越性能。

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。

电网可靠性评估中相关性变量的非参数R藤Copula模型

Copula函数可将多维随机变量的边缘分布和相关性结构分开表达,在计及相关性的电网风险分析中日益得到重视。在二维相关性建模上Copula函数精度较好,而高维情况则面临模型参数估计的复杂性和准确性问题。据此,该文提出非参数R藤Copula模型,基于高维模型分解思路将高维Copula函数分解成多个二维Copula函数的乘积,并基于数据驱动方式实现二维Copula函数的非参数估计,此外为避免非参数估计中随机变量分布范围超出实际可行域的问题,进一步提出概率空间变换的思路。该文方法可实现高维随机变量相关性模型的灵活准确构建,最后,通过相关算例分析验证方法的正确性和有效性。

基于藤Copula多维联合分布的CMIP5多模式降雨综合方法研究

CMIP5中不同GCM模式对降雨的模拟能力不同,且存在较大不确定性。本文采用藤Copula技术构建不同GCM模式降雨与实测降雨间的多维联合分布模型,推求以模式降雨为条件的实测降雨的条件分布函数,并据此对多模式降雨进行综合,以提高其模拟与预估精度。以梧州站以上流域1961-2005年面雨量为例开展了示例研究。首先利用泰勒图从12个GCM模式中优选了6个综合模拟能力较好的模式,随后采用C藤和D藤Copula分别建立了实测降雨与6个模式模拟降雨间的联合分布,并基于AIC、BIC和对数似然值指标,优选出C藤Copula作为多模式降雨的综合模型。结果表明,使用C藤Copula方法得到的多模式综合降雨,其精度高于任一单模式,亦优于多模式的集合平均值。

考虑安全性的桥梁主梁体系可靠性动态藤Copula预测

为合理预测考虑安全性的在役桥梁主梁体系动态可靠性,利用危险监测点的动态极值应力信息,建立藤Copula技术与动态线性模型(DLM)贝叶斯递推过程相融合的贝叶斯动态藤Copula模型(BDVCM),并结合一次二阶矩(FOSM)方法,实现危险监测点失效时变非线性相关的在役桥梁主梁体系动态可靠性预测。采用某桥主梁5个截面的动态监测极值应力数据进行验证分析,研究表明,考虑安全性的监测点失效时变非线性相关的桥梁体系动态可靠性预测值较不考虑监测点失效相关性所得结果大,说明不考虑失效动态非线性相关性所得结果偏保守。

基于藤Copula分组模型的金融市场风险度量研究

传统未分组的藤Copula模型可用于刻画金融资产间的相依性,但存在将所有不同行业资产视为一个整体的问题。本文在充分考虑金融市场中各机构所属行业不同的基础上,提出了藤Copula分组模型,给出了该模型算法的具体步骤,并证明了算法的收敛性。最后通过返回检验方法,对比研究了藤Copula分组模型和未分组的藤Copula模型对银行业、证券业和保险业间VaR估计的精度差异,结果表明藤Copula分组模型的预测效果更准确且更有效。

基于藤Copula分组模型的股票市场风险优化研究

文章在充分考虑金融上市公司所属行业类型不同的基础上,扩展了二元Copula分组模型,构建了基于藤Copula分组的均值-ES模型,通过实证方法研究相依结构对中国股票市场优化风险的影响。结果表明:与藤Copula模型相比,藤Copula分组模型在样本内对应的有效前沿表现更好,改善了样本外股票市场最优组合策略的表现,并且返回检验结果也验证了该模型优化风险的准确性和有效性。