基于Vine Copula的梯级水库短期发电调度风险估计

基于能准确描述高维变量相关关系的Vine Copula,考虑短期径流预报误差的空间相关性,构建了梯级水库短期发电调度风险估计模型,并将模型应用于长江上游溪洛渡、向家坝和三峡水库,分析了径流预报误差带来的单一水库、梯级水库短期发电调度风险。结果表明:基于C-vine Copula构建的联合分布能较好地描述屏山站、朱沱站、寸滩站和武隆站的日径流预报误差特性;随着水库可调节安全区间范围增大,单一水库发电量不足风险率、弃水风险率均越来越小,梯级水库发电量不足、弃水联合风险率和同现风险率越来越小,即水库调节库容越大,其承担的风险也就越小。

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模型的淮河干支流洪水遭遇分析

随着极端气候的加剧,洪水灾害越来越频繁,洪水遭遇事件会加剧洪水对下游地区的危害。采用淮河王家坝站和蚌埠站、史河蒋家集站以及颍河阜阳站共4个站点的从1959到2016年的58年实测日径流量数据,使用年日最大流量法提取出汛期中的洪现时间序列以及洪峰序列。以Von Mises分布构建年最大洪水的洪现时间的边缘分布,以对数正态分布、皮尔逊Ⅲ型分布和广义极值模型分别构建洪峰的边缘分布。通过极大似然法估计各个分布的参数,按照赤池信息量准则(AIC)选取最优模型,并使用KS检验确定边缘分布是否合格。使用Vine Copula分别构建多站点洪现时间的联合分布和洪峰的联合分布,对淮河干支流两两遭遇,三站点遭遇以及当下游发生洪水时,上游发生不同组合洪水的条件概率遭遇等多种情况的遭遇风险进行了定量化的分析。研究结果表明:Von Mises分布尤其是单峰Von Mises分布可以很好的拟合淮河流域的洪现时间;淮河干支流洪水遭遇中站点两两遭遇,以及多站点遭遇的最可能日期均在7月15日左右;干支流两两遭遇中王家坝站点与蒋家集站点遭遇概率最高,阜阳站点与蒋家集站点遭遇概率最小;当下游蚌埠站发生50年一遇洪水时,上游三站点均发生10年重现期以上洪水概率为0.076。研究进一步拓展了洪水遭遇风险的计算方法,对淮河流域防洪减灾具有重要意义。

基于Vine Copula的强风暴雨复合型风险分析

构建基于D-Vine Copula函数的强风暴雨复合型分布模型,利用北京市十三陵水库流域的实测数据进行敏感性分析及风险评估。结果表明:联合分布对降水量、降水强度、风速和温度4个研究因子的敏感性具有差异性。基于敏感性分析结果,随着降水强度和风速的概率分布值增大,联合概率分布增大,同现概率分布减小,最大联合风险率为24.5%;随着降水强度和降水量的概率分布值增大,联合概率分布增大,同现概率分布减小,最大联合风险率为18.1%;Vine Copula可较好地反映出水文气象因子间的相关关系,降水强度和风速、降水量和降水强度的概率分布值及组合风险率均对联合分布呈现正相关关系,发生气象灾害时易出现联合响应。该研究为强风暴雨复合型风险的调控等提供了理论与方法支撑。

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。

基于C-Vine Copula函数的台风灾害链“风-雨-潮”联合概率分布研究

现有台风灾害链研究大多采用高维对称Copula模型建立多个致灾因子的联合分布,对致灾因子之间非线性、非对称的复杂关联结构探究不足。文章以浙江岛屿城市舟山为例,通过C-VineCopula函数刻画当地台风灾害链“风-雨-潮”之间的复杂依赖关系,利用1979—2018年逐日的最大持续风速、累积降雨量以及最大风暴增水数据估算三者的联合概率分布以及重现期。研究表明:1)风速与降雨量在常规数值区间(非极端情况)具有较强的相关性,最佳联合分布为Frank Copula;风速与风暴增水具有上尾依赖的特征,最佳联合分布为Gumbel Copula;2)降雨量分布在风速条件下显示2处峰值,风暴增水分布在风速条件下近似于均匀,两者之间的最佳联合分布为Gumbel Copula;3)以单变量100 a重现期为例,风速-降雨量与风速-风暴增水组合事件的二维联合重现期分别缩短至29和30 a,而风速-降雨量-风暴增水组合事件的三维联合重现期缩短至17 a。综上,C-VineCopula函数能准确有效地刻画台风灾害链“风-雨-潮”之间的复杂依赖关系,深化对于台风灾害链内在作用机制的理解,为台风灾害风险管理和工程设计提供科学支持。

基于Vine Copula函数的河湖连通水环境多因子联合风险识别研究

河湖连通工程是水资源调配和水生态环境保护与修复的重要途经,同时作为一个包含着模糊性、随机性、灰色性以及未确知性信息的复杂系统工程,其不可避免地存在一定的风险。本文基于Vine Copula函数构建了南四湖在南水北调东线一期工程运行前后水环境多因子联合风险模型,通过对总磷(TP)、总氮(TN)、氨氮(NH3-N)和叶绿素a(Chl-a)4种风险因子的敏感性分析,识别出运行后的关键风险因子;结合南四湖Ⅲ类水的供水水质要求,设置了运行后关键风险因子不同风险状态(即Ⅳ类和Ⅴ类)组合下的系列风险情景,识别出运行后潜在水环境多因子联合风险。结果表明:TN、NH3-N、 Chl-a为关键风险因子;当TN和NH3-N达到Ⅴ类水标准限值、Chl-a为35μg·L-1时,工程运行后水环境联合风险变化速率增大,不确定性提高,需及时响应,建议重点关注TN和NH3-N指标。

基于Vine Copula的短期径流预报不确定性分析

定量分析短期径流预报序列的不确定性特征,对于提高水库短期运行计划的可靠性具有重要意义。针对常用多元椭圆Copula或阿基米德Copula难以有效刻画短期径流预报不确定性特征的问题,本文引入了Vine Copula对不同径流量级及不同预见期下预报不确定性进行定量评估,进而分析了先验信息对于后续时段预报不确定性的影响。以雅砻江流域锦西水库为例进行验证,结果表明:相较于传统多元Copula函数,Vine Copula构建的相对预报误差联合分布均能通过假设检验且拟合效果最好,模拟结果的统计量与实测数据相差较小;通过利用调度期内已经发生的相对预报误差信息,可以有效减小后续时段相对预报误差期望值及90%置信水平分位距,降低预报的不确定性。

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Vine Copula的REITs市场极端风险溢出效应研究

随着金融全球化不断推进,REITs(不动产信托投资基金)市场价格震荡幅度加剧,不同REITs市场间风险扩散加快,需准确度量价格波动带来的风险及其溢出传导机制。文章从多市场关联角度出发,结合Vine Copula模型与CoVaR模型,研究REITs市场间的极端风险溢出效应。研究结果表明:国际REITs市场间的相依性存在明显的区域集聚特征;欧美REITs市场对外的尾部相依性均值较高,亚洲REITs市场之间的尾部相依性偏弱;主要REITs市场间大部分都具有双向的风险溢出效应且呈现出非对称性,较强相依结构的REITs市场间的双向风险溢出效应极其明显。本研究有助于从整体上把握REITs市场间极端风险溢出效应,为维护金融稳定、防范不同地区市场间风险传导提供借鉴,帮助投资者进行风险管理。

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。

不同缺失数据处理方法对D-vine Copula分类器的影响

数据缺失是较为常见的影响数据质量的因素,会降低分析结果的可靠性。采用不同方法填补缺失数据,再用D-vine copula分类器对填补后的数据做分类,通过预测准确率来分析不同缺失数据处理方法对D-vine copula分类器的影响。首先,介绍了5种常用的缺失数据处理方法和D-vine copula分类器的相关知识;其次,结合实际数据,模拟不同的缺失比例,用这5种方法对数据进行填补;最后,用D-vine copula分类器对填补后的数据做分类,对分类准确率进行比较分析。研究发现,填补后的数据在D-vine copula分类器上表现得较为稳定,当数据缺失比例在5%~10%时,用随机插补法处理缺失数据效果较好,当数据缺失比例较大时,可以优先考虑用K最近邻插补法处理缺失数据。

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。

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D-vine copula-分位数回归的组合投资决策

为克服传统组合投资决策模型使用方差风险的不足,建立D-vine copula-分位数回归方法估计多元条件联合分布,给出广义Omega比率组合投资决策模型求解方案.分别选取能源市场3种期货商品和不同行业5只股票进行实证研究,结果表明:基于D-vine copula-分位数回归的广义Omega比率组合投资决策模型,能够充分揭示与模拟金融资产收益变动规律,得到更高的Sharpe比率和广义Omega比率.

时变C-Vine Copula模型的统计推断

如何更为科学、合理地刻画高维金融变量间的非线性动态相关结构,长期以来都是学界与实务界关注的重要问题。本文基于广义自回归得分(GAS)理论,提出时变C-Vine Copula模型,并给出了该模型的半参数估计方法和模型拟合的假设检验。最后,蒙特卡洛仿真实验结果表明,基于GAS理论的时变C-Vine Copula模型能刻画高维随机变量间的非线性动态相关结构,且具有较好的稳健特征。

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。