基于小波消噪的水文系统混沌特性识别

针对噪声对水文动力系统混沌识别影响,运用小波消噪方法研究含有观测噪声的水文时间序列的关联维数.计算结果表明,消噪后水文时间序列的饱和关联维数比消噪前有明显降低,证明了小波消噪的有效性,为混沌水文系统中噪声的去除提供了一种新的途径.     

基于Copula-ASV-GPD的我国多元外汇储币组合的风险度量

运用Copula-ASV-GPD模型对我国多元外汇储币组合进行风险研究。首先针对外汇收益的尖峰厚尾、波动的异方差性等典型事实特征,采用ASV模型与极值理论结合刻画单个外汇收益的波动性及尾部分布,然后运用更为灵活的t Copula函数进行拟合多元外汇储币组合的相关结构-最后结合Monte Carlo模拟对外汇组合进行了风险度量。通过对外汇储币组合的实证分析,结果表明,基于ASV-GPD的边缘分布模型能有效地刻画多元外汇收益时序并较为精确地描述外汇收益尾部的极端变化,相比其他风险度量模型具有优越性。同时,回测检验显示,基于Copula-ASV-GPD模型的多元外汇组合对风险测度能力更强,能够更好地捕捉外汇组合极端情形下的协同性和关联性,因而能有效地管理外汇储币风险。     

基于时间序列分析的制造质量水平变化的混沌特性

在定义了制造企业生产制造时间序列的基础上,使用G-P算法计算时间序列的关联维数。通过关联维数的计算得到相应的嵌入维数后,使用基于相空间重构的小数据量法计算混沌时间序列的Lyapunov指数。采集HZ近三年的日生产产品合格率作为研究制造质量水平变化混沌特性的原始数据。在以上技术路线及数据的基础上,得到的关联维为分数,而Lyapunov指数为正值,说明日生产产品合格率变化时间序列呈现出混沌特性。另外将以上数据分为8个时间序列,每个时间序列同样得到分数关联维数与正Lyapunov指数,说明制造质量水平的变化是一直是混沌的,为制造质量水平的预测在理论上提供了可能性。     

国际碳排放权市场分形与混沌行为特征分析与检验——以欧盟碳排放交易体系为例

本文利用Bluenext和ECX的经验数据,对欧盟碳排放权市场(EU-ETS)的价格行为特征进行了分析.研究表明:1)对EU-ETS市场收益率序列基本统计特征检验显示:碳收益率序列不服从正态分布,具有明显的有偏、尖峰、肥尾的非正态性和非线性的统计分布特征;2)对市场分形性的研究表明:该市场具有显著的统计自相似性,阶段性的、而非全过程的长期记忆性特征;3)对市场混沌性的研究表明:从关联维数看,EU-ETS并不存在低维混沌性,但结合最大Lyapunov指数检验及邻近返回检验证明欧盟碳排放权市场存在非收敛饱和混沌性.由此得出结论:欧盟碳排放权市场是一个具有分形与混沌特征的非线性动力系统,它不符合有效市场假说,因此不能用线性范式来研究市场价格行为、交易机制及政策制定.     

利用0-1测试快速识别交通流时间序列中的混沌

交通流时间序列混沌识别的方法主要有最大Lyapunov指数法、关联维数法和替代数据等方法,但这些方法需要对交通流时间序列进行相空间重构。引入一种新的判别交通流时间序列混沌特性的方法——0-1测试方法,该方法不需要对时间序列进行相空间重构,因而方便对交通流时间序列中的混沌现象进行快速检测。首先利用Logistic映射产生的时间序列对该方法的有效性进行了检验,随后又选用两组不同的实测交通流时间序列利用0-1测试进行了混沌检验。研究结果表明:在两组交通流时间序列中都存在混沌成分,而在其中一组数据中还存在随机成分。     

中国期货市场的混沌性检验

以国内各期货品种日收盘价格序列作为研究对象,对中国期货市场是否存在混沌进行全面的检验。首先运用新的最大交易量复权法对期货价格数据进行采样,再进行收益率和对数线性去趋势平稳化处理,运用R/S分析和BDS检验来检验其非线性,运用递归图方法进行确定性检验,发现国内期货市场普遍具有非线性和确定性。其后,对这些时间序列进行相空间重构,计算最大Lyapunov指数、关联维数和Kolmogorov熵等几何不变量,从而得出中国期货市场具有混沌和分形特征的结论,为进一步的混沌预测分析打下基础。     

高频雷达海洋回波混沌特性研究

为分析大面积海域海洋回波的混沌特性,使用时间序列相空间重构、时间延迟、嵌入维数、关联维数和Lyapunov指数等混沌特性研究方法。利用海洋状态测量与分析雷达(OSMAR 2000型)获取的时间序列数据,基于Donald E.Barrick提出的线性调频中断连续波(FMICW)雷达信号处理方法和一、二阶海洋表面回波理论,对位于浙江舟山东海岸张角约65°,距离约200 km的扇形海面高海态和低海态回波数据进行了分析处理,证明此类海洋回波具有混沌特征。     

基于神经网络的混沌系统状态预测

在对混沌时间序列的未来状态进行预测时,必须能够正确确定重构序列相空间时的最优时滞及最优嵌入维数,并根据序列状态的变化选定适当的模型进行预测。利用时间序列的自相关函数来确定时滞τ值,利用混沌序列嵌入维数与关联维数的关系来确定最优嵌入维数m值。在此基础上,选择神经网络模型来逼近真实系统,并采用一种新的算法来确定网络权重。最后,通过Logistic映射所产生的时间序列对所述理论进行了实证研究。     

扩展目标角闪烁非线性检验及其抑制技术

为减小扩展目标角闪烁对目标跟踪的不利影响,采用替代数据方法对扩展目标的角闪烁线编差时间序列进行非线性检验,选择关联维数和Er作为检验参量,根据原始数据和替代数据检验参量的显著区别验证了角闪烁线偏差时间序列具有的非线性动力特性,即混沌序列。在此基础上,根据混沌序列的短期可预测性,在重构相空间中,对角闪烁线偏差序列相轨迹进行预测,以达到抑制角闪烁的目的。仿真实验结果证明了该算法的有效性。     

基于 Copula 函数的程序化交易策略

利用 Copula函数对序列间下尾部相关性的刻画对资产价格风险的高频传染进行检验,构造目标 函数捕捉期货市场实时交易过程中的卖空信号, 制定相应交易规则,建立一套 适用于金融市场高频数据的程序化交易策略,并利用中国期货交易市 场的白糖和棉花期货合约进行实证.实证结果显示:我国期货市场存在高频风险传染, 基于此建立的程序化交易策略可以获得较高的收益, 并可有效地控制风险.     

基于尖峰厚尾、有偏GARCH-copula模型的风险测度

考虑到证券投资组合中资产收益分布的尖峰厚尾属性和波动率集聚效应以及金融资产变量间的非线性相依结构,假设资产收益率分布服从广义误差分布(GED),以尖峰厚尾、有偏的GJR-GARCH-GED模型刻画资产收益率的边际分布,以copula函数描述变量间的相依性,构建起改进的GARCH-copula模型。以研究GED分布的GJR-GARCH模型与不同copula函数耦合对金融序列的拟合能力,进而测度投资组合风险。实证研究发现,沪深收益波动存在明显的非对称性,适宜采用GJR-GARCH-GED模型处理收益率的尖峰厚尾性,波动率的集聚性。考察上述模型与Clayton copula、Gumbel copula、Frank copula以及t copula耦合下的实际拟合表现,进而对投资组合风险VaR和CVaR检验发现,Clayton copula刻画风险相依性的效果最佳,适合应用于风险管理。     

汇率时间序列混沌动力学特征及实证

为判定汇率时序是否具有混沌动力学特征,运用相空间重构技术和小数据量算法对5种主要货币兑美元的日汇率数据进行实证分析.研究发现,5种汇率时间序列的最大Lyapunov指数λ1均大于0,相关维数均为分数,表明汇率时间序列的确存在混沌动力学特征.混沌特征的判定为深入分析汇率序列,以及进一步的预测和风险控制提供了重要的理论依据.     

交通流时间序列中混沌特性判定的替代数据方法

替代数据方法是判定时间序列中是否具有混沌特性的一种有效方法，本文介绍了该方法中一种基于关联维数的混沌判据。并将该方法应用于１５分钟和５分钟采样周期的实测交通流时间序列中，计算结果表明交通序列中含有混沌特性。     

对外直接投资与外汇尾部风险暴露:风险来源还是对冲手段

首次构建基于双向极值模型与系数分解的外汇尾部风险多维测度框架,深入剖析外汇尾部风险暴露的变动规律.从中发现,在竞争力效应与折算风险效应作用下,企业外汇尾部风险暴露及其分解成分具有明显的外汇上下行异质性.加入对外直接投资等企业特征因素的回归分析表明,只有面对下行外汇尾部风险时,对外直接投资才起到显著的对冲作用,在汇率上行时,对外直接投资的海外资产折算风险效应会抵消它作为经营性对冲工具的效果;当对外直接投资的竞争力效应不足而引致对冲效果低下时,对外直接投资甚至会成为显著的风险来源.上述结论为外汇风险防范提供了新的视角和启发.     

基于信息溢出网络的金融机构风险传染研究

金融关联网络是风险传染的载体。以股票信息溢出关系作为风险关联渠道,并将网络拓扑结构与个体金融机构的风险传染特征紧密结合起来。基于金融机构股票收益溢出关系,构建信息溢出网络。利用网络节点中心性拓扑结构特征指标,刻画金融机构的风险传染强度及风险承受强度,并挖掘其影响因素。针对中国上市金融机构的实证研究表明,节点度、接近中心性及特征向量中心性较为一致地刻画了金融机构的风险传染特征;信托等其他金融业的平均风险传染强度最大,而银行业金融机构的平均风险承受强度最大;金融机构的每股收益增长率越高、股票换手率越低,风险传染强度越大;金融机构的资产负债率越高、资产规模越大,风险承受强度越大。     

事故关联维数的分形特征分析

研究工作基于分形理论,应用G-P算法,通过对常州某股份有限公司事故时间序列的分析,构建了n维相空间,并利用关联维数的基本原理,对事故时间序列进行了分形特征分析.研究结果表明当嵌入维数达到10以后,该事故动力学系统具有稳定的关联维数4.1,说明至少有4个因子在影响着事故时间序列的动态变化,并且该系统的有效自由度为10.研究对建立事故时间序列的预测模型有较大的参考价值.     

信息与投资组合

研究信息与均值-方差投资组合之间的关系.在L2框架和给定部分信息下,清楚地给出了均值-方差意义下的最优收益和有效前沿的表达式.为了刻画信息对投资组合的影响,引入了信息的风险-收益系数概念.信息的风险-收益系数随信息的增加而增加.投资者的最优收益的期望值和方差由其对应信息的风险-收益系数和风险厌恶参数共同决定.而市场的风险价格完全由信息的风险-收益系数确定.等价信息下最优风险资产组合的收益(在相差常数倍意义下)是唯一的.零信息下投资者仅投资于无风险资产.投资者对一无所知的风险资产不投资.     

基于全部组合收益概率最大的最优新增组合套期比率

提出了全部资产组合收益大于0概率最大原理,以全部资产组合单位风险期望收益最大为目标函数,以全部资产组合期望收益大于0为约束条件,建立了基于收益概率最大的新旧两组套期保值决策模型.该模型的特色与创新一是通过中心极限定理分析得到了在套期保值过程中使全部资产组合收益大于0的概率最大的两个基本条件:全部资产单位风险的收益最大和全部资产组合收益大于0;二是通过确定新增资产组合的套期保值比率使全部资产套期保值的组合收益大于0的概率最大.解决了在旧组合套期保值比率不可调整时,如何确定新组合的套期保值比率,使全部资产整体收益大于0的概率值最大的问题;三是通过建立新、旧两个套期保值资产组合风险非线性叠加的函数表达式,解决了在新增一组套期保值资产时, 如何确定全部资产组合风险的问题;四是最优套期保值比率的优化目标同时兼顾收益和风险因素.     

基于藤copula-CAViaR方法的股市风险溢出效应研究

为准确揭示金融风险溢出效应,建立藤copula-CAViaR模型来估计多元条件联合分布,进而推导CoVaR类风险测度方法.该方法既能刻画多个金融市场间非线性的关联关系,也能描述金融市场间"多对一"的风险溢出效应,主要包括三个步骤:第一,使用CAViaR模型拟合单个金融市场收益的边缘分布特征;第二,运用藤copula方法刻画多个金融市场收益间的关联结构;第三,基于边缘分布特征与关联结构,得到多元条件联合分布并计算CoVaR类风险测度,实现金融风险溢出效应刻画.选取上证综指、标普500和日经225等股指数据进行实证研究,结果表明:相比于发生利好事件,美国和日本股票市场(独立或同时)发生更为严重危机事件对中国股票市场影响更加明显,呈现出"风险分担、收益不共享"的总体格局.     

基于新分解方法的油价结构冲击对中国股市收益影响研究

国际油价和中国股市的关系研究已备受关注.本文利用日度数据和新提出的油价分解方法将国际油价分解为油价供给冲击、油价需求冲击和油价风险冲击,由此调查了石油金融化前后不同油价结构冲击对中国股市收益的影响.分位数回归是本文重点使用的模型,这使得本文可以在不同市场条件下分析油价结构冲击与中国股市收益的异质性联系.实证结果表明:在石油金融化前的时期,油价的供给和需求冲击只在极端市场低迷时期对中国股市收益产生负向影响.而在石油金融化后的时期,油价供给冲击不再有显著作用;油价需求冲击则正向影响中国股市收益,但并未表现出明显的异质性;相反,油价风险冲击负向影响中国股市收益,并且在越低迷的市场时期越强.