国际油价与中美股价的相依关系研究——基于不同行业数据的分析

石油市场和股票市场作为现代经济中两个重要的市场,在经济活动中发挥着重要的作用。二者之间的关系对研究市场间的价格波动和风险传递有着重要的意义,本文通过vine copula模型对国际油价和中美两国股价之间相依关系进行分析,并将得到的相依关系运用到风险管理中。利用国际油价和中美各十个行业股票价格指数进行相依关系建模,得到相应的相依结构和相依关系,选择出与油价相依关系较强的行业股票价格指数和油价构建投资组合,利用相依关系模拟出收益率数据,度量投资组合的风险。实证研究结果表明中美两国的行业股票价格指数与国际油价的相依关系存在着显著的不同,中国行业股票价格指数与国际油价之间的相依关系要弱于美国行业股票价格指数与国际油价的相依关系;同时利用相依关系组成投资组合,对两组投资组合进行风险度量,风险度量的结果显示vine copula-GARCH能对具有较强的相依关系的变量组成的投资组合风险有很好的估计。     

季节性数据特征驱动的电子废弃物回收规模分解集成预测建模研究

电子废弃物回收规模预测是政府制定循环经济发展规划和有关补贴政策、企业进行资源回收价值评估和产能优化的基础。本文考虑电子废弃物回收规模季度数据的季节性数据特征可能导致传统单模型预测误差偏大、预测结果不稳定等问题，基于“分解-集成”的思想提出了季节性数据特征驱动的电子废弃物回收规模预测CH-X12/STL-X框架。首先，基于Canova-Hansen(CH)检验对电子废弃物回收规模时间序列的季节性数据特征进行识别，继而对适于进行季节性分解的时间序列采用X12乘法模型或时间序列季节性分解(Seasonal-trend Decomposition Procedure Based on Loess，STL)模型实现季节性分量提取。然后，采用Holt-Winters模型对获得的季节性分量进行预测，并以支持向量回归模型(Support Vector Regression，SVR)预测分解获得的其他分量。最后，通过对各个分量预测结果的线性求和以得到最终的预测结果。实证结果表明，提出CH-X12/STL-X预测框架能够较好地满足不同季节性数据特征驱动的时间序列预测建模需求，且较传统单模型(Holt-Winters模型、季节性差分自回归滑动平均模型、SVR模型)在预测性能上表现良好且稳定。