考虑风险市场价格的天气衍生品定价研究

天气衍生品作为一种新兴的金融工具,其在农业、旅游业等行业有着重要的应用前景,但一直存在着市场风险被忽略、定价不精准等问题.本文在传统O-U模型的基础上,将时变均值回复速率、时变气温波动率和风险市场价格相结合,构建了考虑风险市场价格的气温预测模型.本文将改进后的模型与水稻、玉米等对生活有重要影响的农作物相结合,利用近十年的气温数据对农作物的天气衍生品进行定价研究,并将定价结果与传统的时变O-U模型和ARMA时间序列模型的定价结果进行对比.结果表明,引入风险市场价格能够对定价起到修正作用,考虑风险市场价格的O-U模型在多数场景下定价更为精确,这可以为农产品天气衍生品的定价以及形成风险对冲机制提供理论指导和实践参考.     

基于小波-NAR神经网络的气象要素时间序列预测与天气指数彩虹期权估值

本文基于小波-NAR神经网络技术,提出气象要素时间序列预测与天气指数彩虹期权估值的原理与方法,同时采用2000-2014年悉尼日均气温和日降雨量数据,进行气象预测与天气期权估值.结果显示:小波-NAR神经网络因灵活的非线性动态结构较好地反映了气象变化特征,其预测与估值效果优于其他模型;该天气期权价值形成中的非线性特征取决于五种经济效应.科学预测天气和估计天气期权价值,开发天气衍生品,可挖掘天气不确定性的经济价值,弱化其对天气敏感产业的影响.     

中国信用风险缓释工具设计与定价实证研究

研究中国信用违约互换的交易流程、合约设计和定价问题,基于人民币信用衍生品市场,完善了Jarrow-Turnbull约化模型并配置参数,最后运用模型进行具体的实例计算.研究发现,同期限国债或央票利率作为定价的基准利率较为恰当,模型计算得出的理论价格与市场报价比较接近.进一步验证了定价方法的科学性和可行性,为我国市场上流通的信用产品的定价及合约现金流测算提供了理论依据.     

考虑交易对手风险的衍生产品定价方法

交易对手间违约行为的相互影响,通常被衍生产品定价模型所忽略.针对该问题,提出了非线性环形违约强度模型的构造方法,并将其分别应用于CDS与欧式期权定价中.分析结果表明:当考虑环形违约相关及市场风险因素对交易双方违约强度的共同影响时,模型得到的具有非线性变化趋势的CDS利差与期权价格均低于已有模型的结果,表明交易对手间环形违约行为的相互影响蕴含着更高的信用风险,而上述2类衍生品的传统定价方法均高估了相应的价值.并且发现:考虑交易对手违约相关性的期权定价模型对于违约概率和回收率的敏感性均强于已有模型.     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

基于神经网络矫正的非线性短时负荷预测模型

为了解决传统神经网络负荷预测模型中,当预测日天气出现快速变化时预测误差随之增加的问题,提出了一种改进的未来一小时实时负荷预测模型。在该模型中,预测负荷通过对预测日的类似日负荷数据加一个矫正值来获得,矫正值从神经网络产生,网络结构得到简化。由于采用在线实时学习方式,该模型可以学习快速的天气变化和预测误差之间的关系,减小预测误差。仿真结果验证了该模型的有效性。     

基于系统聚类的北京气温变化过程遍历特征分析

气温变化过程遍历性研究是中长期气象预报的基础.以北京地区气温过程为例,分别研究了北京月最高气温、最低气温、平均气温序列的遍历特征.首先,基于系统聚类分别将各类气温以月为个体进行聚类;其次,以类为单位通过自相关图排除周期性序列,利用ADF检验其余序列的平稳性;再次,对通过平稳性检验的序列进行遍历性分析,包括均值遍历与协方差遍历两方面.研究结果表明,北京6、7、8月份最高气温月际年变化序列有均值遍历性特征,4、10月份最低气温序列则有过程遍历性.从长期趋势看,两类气温序列都围绕其均值上下波动,在4、10月份最低气温的月际年变化序列中,前期气温值对后期气温变化的影响是相对稳定的.最后,还开展了印证性分析和挖掘性分析,从遍历性的角度,佐证了前人的一些研究成果.     

基于预测误差校正的支持向量机短期风速预测

对风电场风速进行较为准确的预测,对于电力部门及时调整调度计划至关重要。建立了支持向量机风速预测模型,并提出了结合预测误差校正来提高预测精度的新思路。先建立SVM模型初步预测风速,再将得到的训练误差和测试误差分别构建样本,建立基于小波-支持向量机的误差预测模型进行误差预测,最后用预测误差对风速初步预测值进行校正。仿真结果表明所提方法能明显改善预测精度,而且方法简洁明了,具有很好的稳健性,能够推广到长期风速预测、负荷预测及其它预测领域。     

VIX期权定价——基于随机参数的仿射调和稳态模型

考虑VIX时间序列均值回复、尖峰厚尾、有偏、非对称跳与波动率聚类的特征，本文源于日历时间与内在时间的视角，构建了基于随机参数的仿射调和稳态模型.同时应用VIX时序过程的特征函数、等价无穷小与概率论方法，求出期权定价最简表达式.基于该类模型与期权定价方法，可以快速地进行VIX期权定价模型的参数估计与定价预测.较之前沿的带随机参数的跳过程的CIR定价模型与FFT期权定价方法，具有快而精准的特征.较之一般的仿射跳模型，不仅能较好地刻画VIX时序中的尖峰厚尾、有偏与非对称跳等特征，而且具有较好的经济解释与可行性的优势.该研究不仅丰富了衍生品定价理论，也为投资者进行风险规避与衍生品定价提供一些参考.     

供应链产品转移价格突变分析

需求不确定下,供应链产品的供给变化总是滞后于市场需求的变化,供应链存在时滞,其结果会导致产品供需间出现明显的非线性关系。突变理论通过特定的几何形状对许多参数连续变化引起的不连续飞跃现象都能加以准确描述,能够对需求不确定下供应链转移价格决策的复杂现象作出较好的解释。本文针对需求不确定下供应链产品转移定价行为的非线性机制,基于尖点突变模型对供应链产品转移价格突变行为进行研究,为需求不确定下供应链产品短期定价提供理论依据。     

基于三次样条的利率期限结构估计中的节点选择

将节点逐点删除方法应用于上海证券交易所交易的国债的利率期限结构拟合中样条函数的节点选择上, 并对利率期限结构进行了拟合.对基于节点逐点删除方法所得到的节点选择与较常用的5年和8年、7年和14年这两种节点选择进行了比较,样本外预测结果显示,基于节点逐点删除方法所得到的模型对短中长期国债的预测效果都比已有模型好,提高了期限结构定价的准确性.     

二次项利率期限结构理论与模型

近些年动态利率期限结构的研究得到了长足的发展,为解决大部分利率衍生品的定价问题提供了一个定型的解决办法。但是未涵盖的波动率的存在使得许多动态利率期限结构模型并不能完全满足当前利率衍生产品定价和套期保值的需要。本文在对二次项期限结构模型的设定及估计方法分析的基础上,运用该模型对LIBOR零息债券进行模拟和估计,结果发现QTSMs能够很好的拟合LIBOR债券的收益率。从而试图为利率衍生品的定价和套期保值提供一个可借鉴的方法。     

非等距时序灰色预测方法及其在岩石力学与工程中的应用

首先将等距灰色预测模型推广到非等间距时间序列的情形，并将非等间距灰色预测理论应用于岩石蠕变断裂时间预测和三峡库区滑坡预报，结果表明，非等间距灰色预测模型的预测精度极高。     

模糊推理在系统预测中的应用

将模糊推理应用于系统预测,使用正态分布原理对变量进行区分,并用模糊聚类中的相关系数法选择特征因子,建立了模糊推理预测模型。并将其应用于能源消费量的预测。     

不确定性需求下的易逝性高科技产品定价策略研究

以获得最大期望利润为目标,零售商观察前期产品的实际销售情况,使用贝叶斯更新法则更新对需求的预测,更好地接近市场实际状况制定价格策略.引入Bass扩展扩散模型建立了考虑需求更新并且后续产品随机时间进入市场且对老产品需求有替代影响下的易逝性高科技产品收益管理定价策略模型,对建立的模型以两阶段特例进行了算例分析和讨论,结论表明预测不准确时,预测方差偏大能显著提高零售商利润.     

基于遗传算法的BP神经网络时间序列预测模型

神经网络能以任意精度逼近非线性函数 ,以神经网络为基础的时间序列预测模型能很好地反映非线性系统发展的趋势 ,但神经网络训练速度慢、易陷入局部极值。针对这种情况 ,用具有良好的全局搜索能力的遗传算法来改进神经网络时间序列预测模型 ,提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络 ,并将该神经网络时间序列预测模型应用于某时间序列的预测。     

基于神经网络的军用飞机故障预报系统研究

在军用航空领域 ,及时准确的故障预报对提高飞行器的安全性具有极其重要的意义。针对飞机故障预报系统的设计要求 ,考虑到神经网络用于故障预测的优点 ,在神经网络技术应用于军用飞机的故障预测过程中提出了神经网络模型的训练算法。把神经网络、预测理论、专家系统有机地结合起来建立了一个故障预报系统。并以某型军用飞机冷气系统的典型故障为例 ,实现了故障的预测。实例预测结果证明 ,给出的神经网络预测模型和训练算法是可行的     

基于深度学习的节假日高速公路交通流预测方法

准确的预测节假日期间高速公路交通流量，能够为节假日高速公路应急管理提供重要的数据基础。利用深度学习的理论框架建立了LSTM-SVR 预测模型，利用BP 神经网络对样本数据进行处理，再将LSTM 捕获的数据特征输入SVR 回归层中实现交通流预测。选取“ 十一” 黄金周前后时段，利用位于丽江市的交调站流量监测数据对LSTM-SVR 模型进行验证，并将LSTM-SVR 模型与其它模型预测效果进行对比。发现LSTM-SVR 模型在节假日不同时段、天气、流量状态下的高速公路交通流预测中有较好的适用性。     

基于C4.5决策树方法的到港航班延误预测问题研究

航班延误一直是机场运营管理的一大难题,建立有效的模型实现较准确的延误预测来协助机场方面采取应对措施,于机场于社会都有重要意义. 本研究提出一个面向机场的到港航班延误预测问题,对比现有的贝叶斯网络及朴素贝叶斯方法,结合航班数据的特点构建了基于C4.5决策树的航班延误预测模型. 针对国内某大型机场的真实数据集,本研究 设计了大量实验,实验结果表明所提模型正确率接近80%,较两种贝叶斯方法有进一步提升. 此外研究还设计实验分析了影响模型效果的因素.     

亚太LNG市场双挂钩远期合约定价研究

亚太市场是全球最大、增速最快的LNG市场.自20世纪70年代以来,亚太地区一直采用与JCC指数挂钩的LNG定价机制,存在"亚洲溢价"现象,这使我国进口LNG付出了高昂代价.本文提出基于国际原油和天然气价格的双挂钩LNG定价机制,在随机收益率和随机便利收益条件下,研究了存在协整效应的LNG远期定价问题,得到了远期价格的解析解,拓展了大宗商品衍生品定价理论,并实证研究了双挂钩定价机制与JCC指数定价机制下的LNG价格差异.研究发现,双挂钩定价机制下的LNG价格低于JCC指数定价机制下的LNG价格.本文所提LNG远期定价理论有助于完善亚太市场LNG定价机制,为我国LNG进口提供理论依据.