基于时变参数Copula-FIGARCH模型的套期保值率比较

文章运用FIGARCH模型进行残差波动性的拟合,并将FIGARCH模型与时变Copula模型联合构建时变Copula-FIGARCH模型来计算动态套期保值率,同时运用VaR、ES风险管理指标进行评价.结果发现,长、短记忆Copula模型在不同风险情况下的套保效果各有优劣,但长记忆边缘分布的Copula模型有一定比较优势.     

褶皱中文手写体身份鉴别

针对褶皱中文笔迹身份鉴别的问题,提出了一种基于散射变换系数统计特性的识别方法,主要利用散射变换的局部平移不变性和弹性形变稳定性等特性,先将文本图像进行散射变换,再采用伽玛模型,对其各子带的散射系数提取分布特征作为全局特征,然后在全局特征上建立Copula模型,最后使用Copula模型之间的KL距离计算相似性,用于身份鉴别。理论分析和对比实验结果表明,对于不同褶皱的文本图像,基于散射变换统计特性的识别方法优于现有的方法。     

货币政策结构变迁与宏观经济稳定——基于TVP-VAR模型的实证研究

通过构建包含货币供应量和利率指标的包有随机波动率的时变向量自回归(TVP-VAR)模型,实证分析中国货币政策变迁与宏观经济稳定之间的内在动态响应机制。研究发现:通货膨胀冲击在短期内对产出具有促进作用,而长期看对产出的影响十分微弱;货币政策传导机制具有显著的时变性;积极的货币政策(增加货币供应量和降低利率)在短期内具有真实效应,而长期来看缺乏持久性影响;中国货币政策存在短期利率上升导致长期利率下降的"利率之谜"现象。     

SHFE和LME期铜相关模式的研究

Copula函数包含了随机变量间所有的相关信息,可表示金融资产间的相关模式(即依存关系)。分析了一些Copula函数描述相关模式的特点,结合GARCH模型、Copula函数和基于极值理论的GPD分布,构造了Copula-GARCH-GPD模型,用于研究上海期货交易所和伦敦金属交易所期铜间的相关模式。实证研究结果表明,GARCH-GPD模型能很好地描述两市期铜收益率序列的“厚尾”特征,混合Joe-Clayton Copula能很好描述相关模式,充分反映相关性的信息。     

时变路网下多中心电动车-无人机协同配送路径优化

针对车辆行驶时间依赖配送区域路网速度变化的多中心电动车-无人机协同配送路径问题,本文综合考虑配送区域路网交通信息,无人机最大飞行距离、承重能力,配送过程中电动车电池的荷电状态,以及车辆行驶速度、载重量等对电动车能耗的影响等,以总配送成本最小化为目标建立多中心车辆-无人机协同配送路径优化模型。根据问题特征,本文设计遗传大邻域搜索混合算法求解模型,该算法在传统遗传算法基础上,采用整数编码随机生成初始种群,通过无人机最大承重能力、飞行距离筛选无人机可服务的客户,然后确定车辆及无人机的配送路径生成初始解,并嵌入2组摧毁和重建算子进行进化操作。本文通过多组算例验证了算法及模型的有效性,并分析了车辆搭载的无人机数量以及车辆行驶速度对配送方案制定的影响。研究成果丰富和拓展了车辆路径优化的研究领域,可为交通、物流企业优化决策配送方案提供理论依据。     

基于时变相关的混合Copula模型的投资组合风险分析

由于金融时序数据具有时变非对称相关的特征,文章通过构建时变相关的混合Copula函数对金融时序数据的尾部相关和对称相关性进行捕捉,并以此为基础估计投资组合的VaR值,通过对比,发现基于时变混合Copula的函数能够更准确地捕捉投资组合的风险。     

基于比例风险模型的更换因素对间隔更换时间的影响研究

研究间隔购买时间有助于把握消费者的消费特征,提高决策的科学性。研究日常消费品间隔购买时间的文献较多,而研究耐用品的却比较少。文章基于调查得到的消费者手机更换因素及更换时间数据。应用Cox比例风险模型,从整体上并分男女两组分别研究了消费者手机更换因素对间隔购买时间的影响及影响程度。研究表明,间隔更换时间受到质量、功能、款式和促销的影响,其影响程度依次为质量、功能、促销、款式,并且功能、促销、款式对男女更换手机影响程度有差异。此外还讨论了缩短间隔更换时间的方法。研究结果对手机制造商及销售商有一定的指导作用。     

基于极值Copula的投资组合集成风险度量方法

 应用极值的阈值与峰值模型来度量单个资产的风险价值,用两种不同的方法度量了基于Copula函数的沪深指数收益率的相关结构,比较了不同Copula函数下基于沪深指数的二元投资组合集成风险值,结果说明：Gauss Copula函数对沪深指数收益率的相关结构拟合较好,阈值模型的极值Copula能较好的度量投资组合的集成风险值,在高置信度下（0.99以上）,基于Gumble Copula函数的上尾（正收益）集成风险值、基于Clayton Copula函数的下尾（负收益）集成风险值与真实值最为接近。直接加权的方法会高估投资组合的风险,假设沪深指数的收益率服从二元正态分布会低估风险。峰值法的集成风险值误差较大。     

时变空间权重矩阵面板数据模型稳健LM检验有效性研究

空间权重矩阵是描述个体间空间关系的重要工具,通常基于个体间的地理距离构造不随时间而改变的空间权重矩阵。然而,当个体间的空间关系源自经济/社会/贸易距离或人口流动性/气候等特征时,空间权重矩阵本质上可能将随时间而改变。由此,本研究提出时变空间权重矩阵面板数据模型的稳健LM检验。大量Monte Carlo模拟结果显示：从检验水平和功效角度来看,基于误设的非时变空间权重矩阵的稳健LM检验存在较大偏差,但是基于时变空间权重矩阵的稳健LM检验能够有效地识别面板数据中的空间关系类型。尤其是,在时间较长和个体较多等情况下,时变空间权重矩阵的稳健LM检验功效更高。     

时变参数状态空间模型估计研究

在宏观经济和金融资本市场上广泛存在着非线性时变参数时间序列,而当前的研究主要关注静态参数状态空间模型的估计。本文通过引入变点分析,改进了静态参数的粒子学习滤波技术,提出了变点粒子学习滤波技术,用于估计时变参数状态空间模型。并且利用模拟实验同经典的变结构IMM滤波技术进行了对比,结果显示,本文提出的变点粒子学习滤波在动态模拟样本数据方面具有更大的优势。可以用于对股票价格和成交量的联合动态轨迹进行实时的模拟追踪。