基于在线LASSO VAR和EGARCH模型的风场功率集成概率预测

由于风速波动性大,风力发电往往呈现一定的不确定性.传统风能预测模型以均值为0、方差固定的正态分布度量不确定性,但方差可能随时间变化,即具有异方差性.为提升预测精度,基于在线最小绝对收缩和选择算子的向量自回归(LASSO VAR)和指数自回归条件异方差(EGARCH)模型,提出一种考虑异方差性的风场级功率集成概率预测模型.首先使用在线LASSO VAR模型预测风力机的有功功率,再利用自回归条件异方差检验验证残差的异方差性,并利用信息冲击曲线和动态显著线评估正负残差对未来条件方差的不对称影响.然后针对异方差性和不对称性,使用EGARCH模型对单风力机有功功率的残差进行预测,得到有功功率的条件方差.最后,考虑各风力机有功功率的相关性,将风场中各风力机的有功功率求和,得到整个风场总有功功率的概率预测结果.将该方法应用于中国华东某地风场,验证了该模型能有效提高预测精度.

我国牛肉价格波动影响因素研究——基于VAR模型的实证分析

为保证牛肉价格合理稳定、推动牛肉市场持续健康发展,文章基于2011年12月—2022年12月中国畜牧业月度数据,以内部传导和外部冲击为视角,选取玉米价格、生产者预期、犊牛价格、国家政策构建VAR模型,实证检验我国牛肉价格波动影响因素及程度。结果显示,玉米价格、生产者预期、犊牛价格、国家政策均可对牛肉价格造成影响。其中,玉米价格可通过内部传导机制对我国牛肉价格波动产生显著影响,且稳定贡献率在8%左右;国家政策可通过外部冲击机制对我国牛肉价格波动形成显著影响,贡献率为15%;前期牛肉价格可显著影响后期牛肉市场价格。因此,文章提出降低肉牛产业饲料成本、加大肉牛产业政府财政支持力度、完善牛肉价格波动市场监管体系的建议,以期为稳定牛肉价格、促进畜牧产业可持续发展提供参考。

基于EVT的EGARCH-M模型在动态VaR中的应用

综合考虑金融资产收益数据分布的波动集群性和厚尾的特征,尤其是波动的条件异方差对动态VaR估计的影响,运用极值理论建立EGARCH-M-GEV动态风险度量模型,并通过上证指数对其进行实证分析,为管理者和投资者提供了一个控制风险、预测收益的量化工具,为风险防范提供了参考.

基于混频数据抽样的已实现EGARCH模型的波动率预测

该文以沪深300股指期货高频数据为样本,在Realized EGARCH模型的基础上引入了混频数据抽样(MIDAS)结构与时变波动,构建了基于偏t分布的SMA-Realized EGARCH MIDAS模型,该模型提高了模型捕捉长记忆性的能力,更好地刻画了模型的时变波动性.通过滚动时间窗的方法对模型进行VaR预测与后验测试,采用MCS检验评估各模型在不同测度下的波动率预测能力.研究结果显示:相比于传统的Realized GARCH模型、Realized EGARCH模型和Realized EGARCH MIDAS模型,本文提出的SMA-Realized EGARCH MIDAS模型具有更好的样本拟合效果与样本外波动率预测精度.

金融行业发展对经济增长的影响——基于VAR模型的实证分析

基于金融发展服务于经济增长视角,构建两个VAR模型,选择1978年到2022年的GDP、M2、社会融资规模、股票成交额、债券成交额、期货成交额以及保险公司保费的时间面板数据分别实证分析了金融及其行业发展与经济增长的影响。主要分析了各指标与经济增长指标的Granger因果关系、Johansen协整关系以及脉冲响应函数等情况。通过分析发现,金融发展是经济增长的Granger原因,金融各行业发展均不是经济增长的Granger原因;经济发展受自身影响同时,金融及其行业发展变化对其也产生不小影响,债券成交额、M2、保险公司保费等影响较大。基于分析结论,提出了监管货币流通、畅通融通渠道、加强股票市场调整和监管、扩大保险业务范围、严厉整顿债券和期货市场等5条建议。

基于EGB2分布族的GAS-EGARCH模型与VaR预测

GARCH族模型是刻画资产收益率的常用工具,在风险度量领域具有广泛应用。为了更有效地描述收益率的偏斜厚尾等特征,越来越多学者对GARCH族模型的条件分布形式进行了研究。但是仅对GARCH模型条件分布进行修正是不够的,还需要对模型本身的函数形式进行修正。基于得分函数的时变参数建模思想近年来受到广泛关注,本文借助这一思想对EGARCH模型中对数标准差进行时变波动建模,并利用EGB2分布族作为模型的条件分布,进而建立GAS-EGARCH-EGB2模型。以我国10只中证行业指数为研究对象考察GAS-EGARCH-EGB2模型的风险预测效果,GAS-EGARCH-EGB2模型样本外VaR预测表现普遍优于ACM-EGARCH-EGB2模型。

基于EGARCH-VaR的半参数法及实证研究

在综合考虑了金融收益数据分布的尖峰厚尾特征及其波动集群性,尤其是其波动的“杠杆效应”对VaR估计的影响以及各种假定收益率分布在计算风险价值时存在不足的基础上,提出了基于EGARCH-VaR的半参数方法,并且与正态分布和t分布假设下的GARCH模型的VaR计量方法进行比较,通过实证分析,并利用后验测试,表明基于EGARCH-VaR的半参数方法对风险价值的测度优于正态分布和t分布假设下GARCH模型的VaR计量方法.

基于EGARCH-GPD模型的沪深300指数的VaR度量

结合经典的EGARCH模型和基于广义Pareto分布的极值理论,建立了一种新的EGARCH-GPD模型,并研究了新模型的动态VaR估计问题。沪深300指数VaR估计的返回测试结果表明:该EGARCH-GPD模型比传统的基于正态分布的EGARCH模型能更好地刻画金融数据分布的"厚尾"特征和波动率的时变性,在一定程度上提高了VaR估计的预测精度。

EGARCH模型在VaR中应用

提出了基于EGARCH-VaR的半参数方法,根据EGARCH模型参数估计得到VaR值,计算出溢出率。再根据正态分布和t分布假设下的GARCH模型参数估计得到VaR值以及溢出率。将GARCH模型的VaR值与EGARCH-VaR模型进行比较,结果表明,基于EGARCH-VaR的半参数方法对风险价值的测度优于正态分布和t分布假设下的VaR计量方法。

杠杆效应与沪市在险价值(VaR)的计算——基于GARCH-t、EGARCH-t和TGARCH-t模型的比较

通过比较EGARCH-t、TGARCH-t、GARCH-t模型计算沪市在险价值的效果,得到:1、沪市存在杠杆效应,并对沪市在险价值的产生重要的影响,忽略杠杠效应,就会低估沪市的风险;2、仅通过拟合分布特征不能准确地计算沪市的VaR,为了准确计算VaR,还必须考虑沪市的杠杆效应;3、EGARCH-t模型不仅具有较好的分布拟合能力,而且能够有效地刻画杠杆效应,因而更适合于沪市在险价值的计算,且计算出的VaR也比较准确、可靠。

基于EGARCH-VaR模型的沪深股市风险分析研究

根据证券收益的基本特性,对上证指数和深证指数收益率序列分别构建基于正态分布、t分布和GED分布的EGARCH模型及EGARCH-M模型。通过计算两种模型在三种分布下的VaR值,对沪深股市风险进行分析。分析结果表明,深圳股市比上海股市有更大的风险,基于GED分布假定下的EGARCH-M模型能更好的反映收益率的风险特性。

基于EGARCH-ε_t-GPD模型的VaR计算

在传统的利用极值理论来计算VaR的过程中,一般先是对时间序列建立GARCH模型,再对残差序列运用极值理论建模,从而估计得到VaR.但建模时在GARCH模型的条件方差方程中,人们只考虑了以前时刻的随机误差项对方差的影响,而忽视了当前时刻的随机误差项对方差所作出的贡献.故作者在对时间序列建立EGARCH模型时,在方差方程中引进了当前时刻的随机误差项,然后再对残差建立GPD模型来研究风险价值,并进行了相应的实证分析,结果表明加入当前时刻的随机误差项后估计得到的VaR准确性更高.

基于EGARCH和Cornish-Fisher展开的VaR度量方法

针对度量收益率风险价值VaR时,GARCH模型不能体现正负收益率的非对称效应,研究了基于EGARCH模型和Cornish-Fisher展开度量VaR的一般方法。该方法结合了EGARCH模型和Cornish-Fisher展开,将EGARCH模型的偏度和峰度代入Cornish-Fisher展开中对收益率VaR进行度量。实证分析选取标普500指数日收益率作为样本数据,度量该收益率的风险价值VaR;该收益率具有非对称性,建立了能够体现非对称性的EGARCH(1,1)模型,运用新的VaR的方法与经典的基于极值理论的VaR度量方法,和基于Bootstrap方法的VaR度量方法对收益率VaR进行了度量,在不同的置信水平下比较了3种方法VaR度量结果失败率的大小;结果显示:新的VaR方法对收益率VaR的度量效果优于其他两种方法,对于具有非对称效应的收益率,可考虑此方法度量收益率的VaR。

基于VAR模型对影响GDP增长速率因素的实证分析

经济的快速增长与社会进步和人们的美好生活息息相关,同时也存在多种影响GDP增长的因素,本文利用国内1950—2019年年度数据,通过构造VAR模型来分析人均产出增长、劳动生产率增长及人均收入增长对中国GDP增长的影响,Granger因果关系检验表明,人均产出增长和人均收入增长对国内GDP的增长有显著影响,最后对拟合的模型进行时间序列预测验证了结果的可靠性。

基于VAR模型的多元时间序列预测研究

为了研究因果序列使用VAR模型对多元时间序列预测的影响,选择2014年1月1日至2014年4年30日的中国银行数据的五组时间序列,即开盘价、最高价、最低价、关盘价和成交量进行多元预测,前期进行格兰杰因果性检验发现前四组序列存在因果关系,成交量序列与前四组关系不大。基于此,实验提出采用VAR+ARIMA模型和纯VAR模型对中国银行数据进行预测。结果表明:因果序列采用VAR模型预测效果,比非因果序列预测效果更佳。并且非因果序列预测会影响原因果序列预测的拟合效果。

基于EGARCH-GED模型的中英铜期货风险溢出效应

使用GED分布的EGARCH模型对上海金属期货交易所与伦敦金属交易所铜期货多空市场的风险价值进行了测算,并据此利用Granger因果检验和脉冲响应函数检验了两市风险溢出效应。实证结果表明,在子样本1内95%和90%置信度下,两市期铜市场风险互为Granger原因;子样本1内99%置信度下、子样本2内3种置信度下以及总样本3种置信度下,伦敦金属交易所期铜市场风险是上海金属期货交易所期铜市场风险的Granger原因,但上海金属期货交易所期铜市场风险不是伦敦金属交易所期铜市场风险的Granger原因;面对一个标准新息冲击时,伦敦金属交易所对风险冲击有一个反复纠偏的过程,上海金属期货交易所则没有,从一定程度上说明了样本区间内国内经济形势好于国外。

中国银行信贷、房地产价格与宏观经济互动关系研究——基于VAR模型的实证分析

银行信贷在近几年有了飞速发展,但是有相当一部分资金流向了房地产业,而房地产业是国计民生的重要产业之一,在推动宏观经济增长方面起到了重要作用。在建立VAR模型的基础上综合运用协整检验、Granger因果关系检验等方法,对中国银行信贷、房地产价格与宏观经济间的互动关系进行研究,结果表明银行信贷、房地产价格与宏观经济三者之间确实存在互动关系。

应用VAR模型分析电力期货与现货价格关系

电力期货是防范、转移电力现货市场价格风险的有效工具。目前世界上先进行电力市场化改革的国家都纷纷建立起了电力期货市场。文中基于向量自回归(VAR)模型,通过协整检验、因果检验、方差分解等计量经济学方法,结合北欧电力期货交易数据,对电力期货与现货价格的关系进行研究。结果显示,电力期货与现货价格之间存在显著的长期均衡关系,变化趋势一致且逐渐趋于收敛,同时,电力期货对现货的引导关系远大于现货对期货的引导关系,期货市场在价格发现中起主导作用。

基于VAR模型的硬麦期货价格发现研究

通过单位根检验,确定硬麦期货与现货价格序列具有一阶差分平稳性即I(1)过程.在此基础上先建立VAR模型并进行协整检验,然后建立误差修正模型并进行格兰杰因果检验,最后对期货与现货价格序列进行方差分解和脉冲响应函数分析.从以上几个方面对郑州商品交易所的硬麦期货的价格发现功能进行实证分析.研究发现:硬麦期货价格与现货价格存在协整关系和格兰杰双向引导关系,期货与现货价格之间存在长期均衡关系.对硬麦期货品种来说,现货市场在价格发现功能中起到主导作用,因为现货市场在价格发现功能中占59.67%大于来自于期货市场的40.33%.在脉冲响应函数分析中,除了期货与现货价格对其的一个标准差新息立刻有较强反应外,现货价格新息对期货价格的影响更大.这也说明了现货市场在价格发现中的主导地位.

蔬菜市场价格短期波动影响因素分析——基于VAR模型的实证研究

基于现代计量经济学理论,运用Granger检验分析了生产成本、流动性过剩、游资和气候等因素与蔬菜市场价格波动的关系,并建立VAR模型分析其对蔬菜市场价格的影响程度。研究结果表明,生产成本(化肥)、流动性过剩(货币发行量)、游资(热钱)和气候(天气)等因素是蔬菜市场价格波动的原因。其中,化肥价格变动对蔬菜价格波动的影响存在一定滞后期,长期协整向量为[1,-1.18];货币发行量对蔬菜价格短期波动影响较为明显,当货币发行量增长1%,蔬菜价格将上涨1.29%;气温下降或上升1%,蔬菜价格将上涨或下跌0.08%;热钱对蔬菜市场价格短期波动的影响小,当热钱增加1%,蔬菜价格仅上涨0.0002%。