基于非线性分位数回归模型的多期VaR风险测度

多期VaR主要受到持有期及波动率两个变量的影响,并且其影响模式(线性或非线性)的确定对于准确地进行VaR风险测度至关重要。非线性分位数回归模型,能够克服线性分位数回归模型只能揭示多期VaR及其影响因素之间线性依赖关系的局限,从而提高多期VaR风险测度的准确性。结合波动模型与两个非线性分位数回归方法:QRNN和SVQR,给出了多期VaR风险测度的三类方案:波动模型法、QRNN+波动模型法、SVQR+波动模型法。选取3个股票价格指数作为研究对象,考虑了6种不同形式的波动模型,得到了18个多期VaR风险测度方法进行实证比较,结果表明:波动模型选择影响到多期VaR风险测度效果;SVQR+波动模型法略优于QRNN+波动模型法,并且两者显著优于波动模型法。     

基于零膨胀分位数两部模型的银行贷款违约预测研究

贷款信用风险评估是银行风控的重要内容。贷款逾期天数作为常见的风险度量指标,具有典型的零膨胀特征。对于零膨胀数据,传统的线性回归不再适用,两部模型是常用的代表方法。考虑到贷款数据具有偏态分布特征,本文构建了一个分位数两部模型—logit-quantile模型。该模型由Logistic回归和分位数回归构成,为了进行风险因素的选择,在模型的两个回归中添加了Lasso惩罚。为了求解模型,本文采用了坐标下降法和线性规划法相结合的迭代算法。模拟分析显示,对比逐步法和常用的logit-linear两部模型,新模型表现出了最好的变量选择效果,尤其在零膨胀比例为80%及高维情形时,该模型的表现仍然最优。最后对某银行的贷款数据实证分析显示,新模型具有更精简的结构,采用交叉验证技术进行预测显示新模型的预测和分类表现最好。     

石油期货收益率的分位数建模及其影响因素分析

石油期货收益率的分位数反映了收益率分布特征和石油市场风险特征,有必要建模考察分位数的变化模式与影响因素。针对现有研究在模型方法和分析角度上的不足,本文考虑分位数受市场冲击影响而产生的非线性自回归特征,提出门限CAViaR模型并用以分析石油期货收益率的分位数及其影响因素。基于1998-2009年布伦特原油期货价格的研究表明,石油期货收益率的分位数具有自回归特征并受前期油价涨跌的不对称影响,且油价下跌的作用更强。左尾分位数受油价涨跌的共同影响,而右尾分位数仅受油价下跌的影响,二者呈现不同特征。此外,本文通过考察分位数的动态变化模式揭示了油价风险特征,具有重要的风险管理作用。     

估计灰色Verhulst模型参数的LS-SVM方法及应用

估计灰色Verhulst模型中的参数通常采用最小二乘法，这种基于大样本理论的经验风险最小化方法无法保证小样本预测下模型的推广性能.为提高灰色Verhulst模型的预测精度，本文提出了基于LS-SVM算法估计模型参数的方法.首先根据Verhulst灰色差分方程的特点，通过构造以背景值序列和原始序列为训练样本的LS-SVM模型，将一维样本空间里的Verhulst模型转化为一个二维特征空间里的LS-SVM模型，进而将Verhulst模型的灰参数的估计问题转化为一个LS-SVM模型的回归系数估计问题.然后通过核函数构造法，结合模型特点合理构造了LS-SVM模型的核函数，基于LS-SVM算法求解回归系数，进而得到Verhulst模型的参数估计.实验结果表明该方法是可行的有效的，可保证Verhulst模型具有良好推广性，相比于传统参数估计方法本文预测精度更高.     

基于CPFR的需求预测新方法——分位数回归预测法

本文引入计量经济学前沿预测研究方法-指数加权分位数回归预测,并建立需求预测模型.该模型通过直接预测销售序列的分位数,避免既存研究中基于假设的预测失误,使预测结果更加贴近需求模式的真实值.在此基础上建立基于CPFR的供应链系统成本模型,对比分析表明指数加权分位数回归方法的预测精度较高.     

比例数据基于Tobit分位数回归模型的贝叶斯变量选择

针对家庭商业健康保险参保比例在［0,1］闭区间上取值的特点, 本文基于Tobit模型给出了比例响应数据的贝叶斯分位数回归建模方法。通过引入回归系数的“Spike-and-slab”先验分布, 应用EM 算法我们提出了基于门限规则的贝叶斯变量选择方法。大量数值模拟研究验证了所提的贝叶斯变量选择方法的有效性, 且具有易操作、计算量小等优点。最后, 将此方法应用到家庭商业健康保险数据的实证分析, 研究不同分位数水平下家庭健康保险参保比例的影响因素, 得到了许多有意义的研究结果。     

有可再生能源和电力存储设施并网的智能电网优化用电策略

大量可再生能源和存储设施集中或分布接入电网，缓解了电网的供给压力，但同时也对电力系统安全造成新的威胁。合理使用新能源和可存储设施使之更好为电网服务，是现代电网亟待解决的一个问题。本文对有可存储设备和可再生能源并网的电力系统进行研究，根据可再生能源在实际生活中的情形，将其划分为两类：私人新能源发电和公共新能源发电，其中私人新能源发电可供自身直接使用，多余部分并入电网，而公共新能源发电直接并入电网，然后针对上述复杂情形，结合用户实际需求，以所有用户效用最大化、成本最小化为目标函数，建立优化模型，给出了一种既有可存储设备又有可再生能源复杂并网情况下用户优化用电策略——包括家用电器、新能源、以及存储设备充放电策略。对模型的性质进行研究，考虑到模型是凸规划，强对偶成立，用拉格朗日对偶算法给出了模型的解。求解过程中，由于目标函数是非光滑的，采用光滑化的技术将目标函数光滑化，将非光滑问题转化为光滑问题，进一步利用拟牛顿下降法求解。该策略能确保新能源得到优先、充分利用，体现用户效用最大化、成本最小化，同时可以避免由于新能源并网可能会造成电网不稳定情况的出现；光滑化的方法不但适用于本文，经过适当改进后也可适用于其他目标函数为非光滑的情况。仿真结果验证了模型的合理性和算法的可行性。     

加权复合分位数回归方法在动态VaR风险度量中的应用

风险价值(VaR)因为简单直观,成为了当今国际上最主流的风险度量方法之一,而基于时间序列自回归(AR)模型来计算无条件风险度量值在实业界有广泛应用。本文基于分位数回归理论对AR模型提出了一个估计方法--加权复合分位数回归(WCQR)估计,该方法可以充分利用多个分位数信息提高参数估计的效率,并且对于不同的分位数回归赋予不同的权重,使得估计更加有效,文中给出了该估计的渐近正态性质。有限样本的数值模拟表明,当残差服从非正态分布时,WCQR估计的的统计性质接近于极大似然估计,而该估计是不需要知道残差分布的,因此,所提出的WCQR估计更加具有竞争力。此方法在预测资产收益的VaR动态风险时有较好的应用,我们将所提出的理论分析了我国九只封闭式基金,实证分析发现,结合WCQR方法求得的VaR风险与用非参数方法求得的VaR风险非常接近,而结合WCQR方法可以计算动态的VaR风险值和预测资产收益的VaR风险值。     

一类自适应的风险预测算法及其应用

本文在充分利用交易信息的基础上，用离散随机过程刻画风险的演变，构建了一类分位数框架下的状态-空间模型来度量和预报风险。为了克服参数估计的困难，使模型具有实用价值，仿照传统卡尔曼滤波的思想，依据模型的设定，本文重构了分位数框架下的增益系数和修正过程，设计了一类新的风险预测算法。该算法的主要优势是，能依据观测数据的更新，自适应地修正已有的预测结果，并利用修正后的结果进行预测分析，从而降低连续预测过程中的误差积累，提高风险预测的准确性。文中理论结果和实证结论都证实了这一点。算法的理论分析及其模拟检验表明，修正之后的结果仍然具有无偏性，但方差却显著降低了。因此基于修正后的数值，再做下一步预测，必将减少整个风险预测过程中的误差积累。实际数据的应用结果显示，相比现有的风险预测方法，文中提出的算法能更加准确地预测出风险大小，而且这种预测优势在极端水平下更加明显。算法的提出既丰富了风险预测的手段，又为恰当规避风险，特别是极端风险，提供技术参考。     

带有多面体扰动的半监督v-支持向量分类机

在通常建立的优化模型中,一般都假定输入的数据是精确的,而实际生活中我们得到的数据总会带有测量或统计误差,因此,本文考虑数据在多面体内扰动的半监督两类问题,以v-支持向量分类机为基础,借鉴把半监督两类分类问题转化为一个凹规划的思想,给出数据在多面体内扰动的半监督v-支持向量分类算法。该算法的参数v易于选择,而数值试验也表明该算法具有良好的稳定性和较好的分类结果。     

考虑内部散点的区间型符号数据的回归分析

研究通过对样本“点”数据打包形成的区间型符号数据的回归分析.针对现有区间数回归分析只利用区间数的端点信息这一问题,分析如何充分利用原始的样本“点”数据信息,即区间数的内部散点信息.首先从理论上推导了当假设原始样本点数据误差项满足回归分析所假定的三条性质时,区间数据回归分析的误差项也满足这三条性质.然后,在考虑散点的区间型符号数据描述性统计量的基础上,提出了一种新的区间型符号数据回归分析的参数估计方法.随之给出了区间预测方法.最后选取常用的CCRM作为对比算法,分别通过随机模拟和实例分析,验证了文中方法的有效性.     

大数据驱动的决策范式转变——以个性化O2O即时物流调度为例

大数据环境下传统的决策范式正转变为基于数据的决策范式，本文以O2O即时服务这种新型商业模式为情景，研究大数据驱动的新决策范式下的O2O即时物流调度模型.本文跨域融合物流部门、其他运营部门以及外部环境信息构成全景式数据，同时放宽传统决策范式的经典假设，实现从无差异化配送时间到个性化配送时间的转变，以及需求服从先验分布到考虑未来需求时空属性的转变.本文融合机器学习和运筹优化方法，实现新决策范式下的O2O即时物流调度模型.在预测层面，构建个性化众包配送时间预测模型和基于订单集时空相似性的需求场景预测算法；在决策层面，同时考虑个性化预测模型的点估计及其不确定性，并考虑未来订单集的时空分布，构建考虑预测不确定性的调度模型，同时设计同步预测和决策算法求解.本文与中国主流的O2O商超平台合作，通过基于真实数据的模拟仿真，验证了新决策范式下的O2O即时物流调度模型的可行性和有效性.相较于传统的决策范式，本文提出的模型能实现更精准的供需匹配，降低延误订单数、平均配送时间和配送成本.     

附加噪声长记忆过程的半参数估计方法研究

附加噪声长记忆过程的参数估计在实证研究中一直受到回避.本文通过聚合算子对样本数据进行降噪处理,研究了局部Whittle(LW)估计和对数周期图(LP)回归两种半参数估计方法.结果表明LW估计方法相比LP回归,解决了半参数方法的参数选取问题,且能够完全忽略噪声数据的影响而得到一致的估计.将LW估计应用于中国股市,发现重大突发事件发生时的长记忆性表现得最为强烈,且事件后比事件前要强烈.     

基于LASSO分位数回归的对冲基金投资策略研究

由于对冲基金采用了灵活的投资技巧,其收益序列往往表现出与传统投资方式不同的统计特征与风险收益能力,已有方法难以有效地评价其投资绩效.基于LASSO分位数回归,从影响对冲基金收益的众多风险因子中,挑选出重要的风险因子,考察在不同分位点处对冲基金的收益与风险之间关系,识别对冲基金投资风格,继而给出对冲基金投资绩效评价方法.为验证基于LASSO分位数回归的投资风格识别与投资绩效评价效果,构建对冲基金风格组合投资方案,并将其与基于均值回归构建的组合投资、等权组合投资、Markowitz组合投资等经典的组合投资决策方法进行比较.实证研究结果表明,基于LASSO分位数回归的投资绩效评价方法最为有效,给出的组合投资方案能够获得较高的风险调整收益.     

基于变系数分位点回归的金砖四国金融稳定分析

金融不稳定性累积到一定程度就会引发金融危机,而新兴市场作为世界经济发展的重要增长点,同时也是金融危机爆发的重灾区.因此,新兴市场金融稳定性的研究至关重要.本文基于新兴市场代表国家——金砖四国(中国,俄罗斯,印度,巴西)的主要综合股指对金融稳定性进行了实证研究.与传统金融稳定性的研究方法不同,本文考虑系统性冲击在正常和极端市场下对不同国家金融市场的影响.首先应用分位数回归模型对金砖四国的金融稳定性进行检验,进而基于变系数分位数模型研究系统性冲击对金融市场稳定性的影响随时间变化的趋势,对金融稳定性进行了时变分析.实证结果表明,金砖四国都具有某种程度的金融不稳定性,近期中国和巴西在5%分位点处的金融不稳定性受系统性冲击的影响相对于印度和俄罗斯更加剧烈.     

径向基函数网络结构确定的新算法

讨论了对于径向基函数网络的一种结构确定双向回归新算法．在这种算法中,采用正交化手段和“新息-贡献”准则,可同时确定径向基函数网络的结构（即中心点）和参数估计,不仅克服了传统算法的从一大组输入数据中任意选择中心点常出现的数值病态和选择结果依赖于数据排列顺序等问题,而且大大减少了计算量且保证能得到唯一的最优网络描述．最后用仿真例子说明了这种新算法的正确性和有效性．     

金融市场高维波动率的扩展广义正交GARCH模型与参数估计方法研究

本文对Van der Weide(2002)的广义正交GARCH模型进行扩展,提出反映金融资产收益波动性特征,具有"杠杆效应"的广义正交GARCH模型。由于这种扩展的广义正交GARCH模型在高维数据中面临参数估计困难,本文从交互信息理论视角研究模型的参数估计问题,在理论上证明基于交互信息最小化的多元GARCH模型参数估计与基于极大似然函数参数估计的联系和区别,并在提出的扩展广义正交GARCH模型框架下,采用不同的统计技术实现基于交互信息最小化的参数估计方法,避免了传统极大似然函数估计需要事先正确指定标准化残差概率密度函数和高维运算困难,计算效率较高,使多元GARCH模型在高维数据中可以应用。最后,根据全球主要金融市场的15种股票指数数据,通过实证研究对建立的扩展广义正交GARCH模型及其参数估计方法有效性进行评价与检验。实证研究表明了本文提出的扩展广义正交GARCH模型与参数估计方法的优势。     

半参数空间ZISF的估计、分类与蒙特卡罗模拟

零无效率随机前沿模型（ZISF）包含随机前沿模型和回归模型，两模型各有一定的发生概率，适用于技术无效生产单元和技术有效生产单元同时存在的情形。本文在ZISF的生产函数中引入空间效应和非参函数，并假设回归模型的发生概率为非参函数，构建了半参数空间ZISF。该模型可有效避免忽略空间效应导致的有偏且不一致估计量，也避免了线性模型的拟合不足。本文对非参函数采用B样条逼近，使用极大似然方法和JLMS法分别估计参数和技术效率。蒙特卡罗结果表明：①本文方法的估计精度和分类精度均较高。随着样本容量的增大，精度增加。②忽略空间效应或者非参数效应，估计精度和分类精度降低，文中模型有存在必要性。③忽略发生概率的非参数效应会严重降低估计和分类精度，远大于忽略生产函数的非参数效应的影响。     

指令不均衡与股票收益关系研究——基于大规模数据分位数回归的实证

在指令不均衡与股票收益关系研究中,常常遇到两个困难：第一,不同市场环境下,前者对后者存在异质影响;第二,往往涉及大规模数据处理。为此,运用大规模数据分位数回归的方法,一方面揭示不同分位点处指令不均衡对股票收益的异质影响,细致刻画两者之间关系;另一方面适应大规模数据建模要求,得到更为可靠的结果。以上证A股和深证A股为研究对象,通过大规模数据分位数回归方法,得到了比均值回归更多有用信息。实证结果表明：第一,在高分位点处,滞后1期指令不均衡对股票收益具有正向影响且呈现上升趋势,而在低分位点却具有负向影响;第二,控制当期指令不均衡后,滞后期指令不均衡对股票收益具有负向影响,且随着分位点的增加呈现下降趋势。这些结果意味着,指令不均衡对股票收益具有一定的解释能力和预测能力。     

中国股票市场存在特质波动率之谜吗? ——基于分位数回归模型的实证分析

选取我国沪深A股所有股票作为研究对象,采用OLS回归残差标准差提取和GARCH(1,1)加权平均等两种方法估计特质波动率,并利用Fama-MacBeth横截面回归法和分位数回归法对特质风险与股票预期回报之间的相关关系进行了实证研究.发现:OLS回归结果表明我国股票市场的特质波动率与股票预期回报之间呈现负相关关系,但在统计上不显著;分位数回归则表明我国股票市场的特质波动率风险与股票预期回报之间的关系是随着分位水平的变化而变化的,特质风险在低分位水平下与股票预期回报呈显著负相关关系,而在高分位水平下则与股票预期回报之间呈显著正相关关系.