基于藤结构pair-copula分解法的分布估计算法

借鉴copula研究中藤结构在高维相关关系上的构建能力,提出了基于藤结构pair-copula分解法的分布估计算法,给出了新算法的模型框架,研究了相应的概率模型的采样算法,并对C藤、D藤两种特殊的藤进行了仿真实验,结果表明,该算法不仅可行,寻优能力也大大提高.

基于Pair Copula的随机潮流三点估计法

现有Copula等方法难以对多维风电功率准确建模,且传统的点估计法无法直接应用于风电功率具有相关性的场合。针对这一问题,提出基于Pair Copula和概率积分变换的随机潮流点估计法。首先采用Pair Copula对多维风电功率进行建模,然后使用点估计法在独立正态概率空间中采样,最后,依据概率积分变换,把采样点变换到实际风电功率的概率空间中进行潮流计算,从而使点估计法能够处理具有任意概率分布的多维风电功率。对澳大利亚多个风电场出力样本的建模和分析验证了Pair Copula模型的优越性,基于IEEE 118节点系统的算例验证了所提方法的有效性。

基于Pair Copula-SV-t模型的金融市场相关性分析

随着国家金融改革的进行,人民币国际化及资本账户开放的举措进一步推进,特别是2015年12月人民币成功加入SDR,不同资本市场资金的联动性研究也被提升到了一个重要的地位。本文将SV-t模型和Pair-copula分解相结合,创造性地提出Pair copula-SV-t模型来度量金融资产间的相关性,该模型在运用SV-t模型度量边缘分布的基础上,通过Pair-copula方法来得到高维联合分布。在对中国、美国和日本三个股票市场相关性结构的实证分析中发现,尽管Paircopula模型和普通的多元Copula模型得到了相关性结构,但似然比检验显示Pair-copula模型在度量相关性方面更为有效。研究结论印证了中日股市相关性略高于中美股市,且美日股市相关性大大高于中日股市,并为跨境金融监管与合作提供了指导建议。