基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

基于EGARCH过程的电磁频谱占用状态波动特性分析

针对传统频谱占用度自回归移动平均(ARMA)模型由于未考虑序列的条件二阶矩,导致无法准确描述频谱占用状态的非线性时变特性问题,该文提出一种基于指数广义自回归条件异方差(EGARCH)过程的频谱占用状态时间序列建模方法。首先通过对ARMA模型的剩余残差进行条件异方差性检验,表明频谱占用时间序列存在明显的时域"波动集聚"性;其次基于EGARCH过程构建频谱占用度时间序列模型以及对实测数据的分析,表明该模型相较ARMA模型对频谱占用度的拟合与预测精度更高;最后由EGARCH模型参数存在"杠杆效应"系数,表明频谱占用状态变化对电磁环境波动的影响具有非对称性。研究结果表明EGARCH模型能够量化反映频谱占用状态的复杂非线性时变过程。

基于GARCH-EVT-Copula的社保基金投资组合风险测度研究

社保基金是社会保障事业健康发展的物质基础,安全性是其投资的首要原则。文章基于GARCH-EVT-Copula方法测度了社保基金投资组合的VaR。首先,基于GARCH、EVT对投资组合中各金融资产收益的边缘分布建模,然后,采用极大似然估计法和Bootstrap方法估计尾部的分布函数,接着,基于Copula方法研究组合中金融资产间的相关结构,最后,运用Monte Carlo方法测度投资组合的VaR。Kupiec检验表明,基于GARCH-EVT-Copula模型测度社保基金投资组合的风险是合适的。

GARCH模型和SV模型对深圳股市的比较

文章采用GARCH模型和SV模型对深圳股市进行了实证分析;结果表明,基本SV模型较GARCH(1,1)模型能更好地拟合实际金融时间序列数据;从总体上来说,基本SV模型的预测效果优于GARCH(1,1)模型。

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.

GARCH模型的经验似然估计

以计量经济学中ARCH模型族为背景,对GARCH模型进行讨论和研究。讨论了基于GED分布的β-ARCH模型和GARCH模型的经验极大似然估计的求解方法,得到了相应的平稳模型的大样本性质定理。

应用Gibbs Sampler的GARCH模型选择

为了解决候选模型较多,无法一一比较其准则值的问题,提出基于Gibbs样本生成器(Gibbs sampler)的广义自回归条件异方差(GARCH)模型的选择方法.模拟实验结果表明:该模型选择方法可以高效、准确地从大量的候选模型中选择出准则值最小的模型.

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。

考虑CCUS电转气技术及碳市场风险的电–气综合能源系统低碳调度

在碳市场价格波动的背景下,合理量化碳交易价格波动风险并制定相应的低碳运行策略对于降低系统运行成本和碳排放量具有十分重要的意义。该文提出一种考虑碳市场价格风险及碳捕集、利用与封存系统–电转气协同运行的电–气综合能源系统低碳优化调度模型。首先,利用广义自回归条件异方差模型预测次交易日碳价,并使用条件风险价值衡量碳市场价格波动风险,为电–气综合能源系统调度提供碳价参考。然后,引入碳捕集、利用与封存系统–电转气协同运行框架,将碳捕集机组捕获的CO_(2)作为电转气原料,电转气利用负荷谷期的风电出力生产天然气,以电–气综合能源系统总调度成本及碳交易风险最低为目标建立优化调度模型。最后,在改进的IEEE 24节点和天然气6节点系统构成的电–气综合能源系统中进行仿真。结果表明,提出的调度模型能够捕捉碳市场波动期内风险,提高电–气综合能源系统可再生能源消纳量,并降低系统总运行成本和碳排放。

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。

基于加权双高斯分布的广义自回归条件异方差边际电价预测模型

研究电力市场系统边际电价(system marginal price,SMP)条件方差的变化规律及残差的统计分布特征,据此引入广义自回归条件异方差(generalized auto-regressive conditional heteroskedasticity,GARCH)模型,并建立了基于加权双高斯(weighed double Gaussian,WDG)分布假设的GARCH模型(GARCH-WDG)对系统边际电价的变化规律进行研究。美国PJM市场和澳大利亚NSW市场的实际数据表明,GARCH模型对电价的估计和预测均有良好的效果,GARCH-WDG模型则进一步改善了GARCH模型的性能。

风电场输出功率的多时段联合概率密度预测

风电场输出功率波动性较强,难以精确预测,掌握其输出功率的分布规律对含有风电场的电力系统的运行决策具有重要意义。文中在分析风电场有功功率输出特性的基础上,提出了风电场输出功率多时段联合概率密度预测,利用风电场输出功率在时段间较强的相关性,估计其波动的幅度与速度特征,为系统运行提供更全面的决策信息。结合多元回归估计常条件相关—多元广义自回归条件异方差(CCC-MGARCH)模型与稀疏贝叶斯学习方法,给出了一种基于数值天气预报信息的风电场输出功率短期多时段联合概率密度预测方法。该方法依据CCC-MGARCH模型思想,将未来多个时段内风电场输出功率的联合概率密度预测问题分解为:风电场在各个时段内独立的输出功率概率密度预测子问题和时段间关联的输出功率预测误差相关系数矩阵估计子问题,利用稀疏贝叶斯学习方法在概率密度预测问题上的优势,形成预测效果好、计算效率高的风电场输出功率多时段联合概率密度预测方法。应用实例与分析说明了该方法的有效性。

基于广义自回归条件异方差模型的世界原油运价风险分析

为有效评估世界原油运价风险,根据世界原油运输市场运费收益的基本特性,选用基于广义误差分布(Generalized Error Distribution,GED)的广义自回归条件异方差(Generalized Auto-Re-gressive Conditional Heteroskedasticity,GARCH)模型,计算原油运价收益率波动的风险值.该模型很好地描述了运价收益率曲线尖峰厚尾、波动聚集性以及杠杆效应等特征.以波罗的海航运交易所发布的波罗的海原油油船运价指数(Baltic Dirty Tanker Index,BDTI)为例进行研究分析,检验结果表明该方法有效.

舰船装备保障资源需求半结构化预测方法

针对舰船装备保障资源需求确定既有结构化规律可以遵循,又受非结构化不确定因素影响的特点,建立了备品备件需求的半结构化预测模型。该模型利用使用时间规模的线性函数表征备件需求的趋势项;用AR模型补偿时间规模统计误差及使用环境差异带来的影响;用GARCH模型刻画非结构因素导致预测误差的条件异方差特性。在此基础上,给出了利用半结构化模型预测保障资源需求的具体步骤。最后,对该方法进行了验证对比,结果表明:该舰船装备保障资源需求半结构化预测方法是有效、可行的。

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。

基于Matlab的股票市场收益率波动分析实验

针对金融风暴背景下的股票市场价格的波动特性,应用数学分析、经济统计与计量知识,对中国上海、深圳股票综合指数2007 ～2009年的数据进行实验分析,并利用Matlab金融分析工具箱以及广义自回归异方差模型编程建模,实现对股票市场收益率的分析和预测.结果表明,股票市场收益率序列的波动有显著的畀方差性.

基于时变Copula-CoVaR的欧盟与国内碳市场风险溢出效应研究

经济一体化背景下,研究国内外碳交易市场风险溢出效应,对投资决策、风险管理以及碳市场健康发展均具有重要意义。结合时变Copula函数和广义自回归条件异方差类(generalized auto-regressive conditional heteroscedasticity,GARCH)模型研究欧盟和国内碳交易市场的动态相依结构,在此基础上运用Copula-CoVaR模型研究欧盟碳市场对国内碳市场的风险溢出效应。结果表明:(1)刻画欧盟碳配额期货市场和我国北京、上海、湖北以及深圳碳市场动态相依结构的最优时变Copula函数各不相同,反映了我国区域碳市场的异质性特征。(2)进一步基于Copula-CoVaR模型得到欧盟和国内碳市场的风险溢出效应,发现欧盟碳配额期货市场与北京、上海及湖北碳市场都存在风险溢出效应,而深圳碳市场却不存在风险溢出。最后,基于上述结论提出了防范碳市场风险的相关政策建议。

福建省科技创新投入对TFP的影响效应分析

科技创新是影响全要素生产率变动的重要因素,文章梳理了福建省近十年来的科技创新脉络,并基于福建省1998~2014年的相关数据,采用DEA-Malmquist指数法计算福建省全要素生产率（total factor productivity,TFP）,在此基础上计算研究与试验发展（research＆development,R＆D）的支出强度、人员全时当量和TFP的灰色关联度,表明R＆D支出强度与TFP有更为紧密的关系。并进一步采用逐步回归模型研究三种R＆D活动：基础研究、应用研究和试验发展对TFP的影响,表明试验发展对TFP的提升有显著的积极作用,也侧面反映了基础研究和应用研究投入不足和成果转化效率不高的问题。最后针对以上结论给出了一些分析和建议。

我国玉米价格波动的条件异方差模型实证分析

为了研究我国2005年1月到2014年12月玉米价格序列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模型进行实证分析,得出该模型对我国玉米价格的估计与预测具有良好的效果。

上海股市收益与流动性风险动态关系实证

应用Engle(2002)提出的动态条件相关多元GARCH模型(DCC-MVGARCH)和向量自回归(VAR)方法,研究了上海股票市场收益与Acharya and Pedersen(2005)提出的三种流动性风险以及系统风险变量的动态关系.研究结果表明,上海股市存在系统风险溢价和流动性风险溢价,但风险变量对收益率的影响较小,股市的风险传递机制尚未真正形成.