基于AST分布和HGARCH模型的金融资产收益率波动非对称性刻画与VaR预测

选择合适波动模型和概率分布成为影响VaR预测可靠性的重要因素,本文首次结合HGARCH模型和AST分布来对金融资产收益率进行建模,并将所构建模型用于VaR预测研究中。我们重点比较研究不同头寸和不同风险水平下HGARCH模型及其子类共20种GARCH族模型的VaR预测效果,并系统性研究HGARCH模型中两个波动非对称参数在波动非对称性刻画和VaR预测中的作用。研究结果表明,在样本内,AST分布下的非对称GARCH族模型具有更好的波动拟合效果、分布拟合效果和VaR预测效果;HGARCH模型的两个波动非对称参数虽然在理论上是互补品的关系,但实际建模效果类似,相互之间更接近替代品的关系。在样本外,AST分布下的非对称GARCH族模型在波动拟合、分布拟合和VaR预测方面的优越性有所下降;两个波动非对称参数的实际效果也近似为替代品,其中放缩参数相比位移参数更具优势。     

基于Skewed-t分布的FIGARCH模型与VaR的度量

金融资产收益率序列的波动具有典型的尖峰厚尾和非对称性特征,描述这种特性需以合适的概率分布函数为基础.因此,寻求更好的概率分布函数对风险度量、VaR的计算有着十分重要的意义.有鉴于此引入Skewed-t分布度量VaR,并比较分析了RiskMetrics及FIGARCH类模型度量VaR值的准确程度,本文同时分析了多头头寸和空头头寸情况下的VaR.结果表明,在两种头寸情况下,Skewed-t分布在空头和多头情形对资产厚尾特性以及非对称性的拟合效果均要比正态分布好;在两种头寸中不同的置信水平下,FIAGARCH(CHUNG)模型预测的VaR值改进了使用传统模型的精确性,高估或低估风险的程度较轻.     

基于信度模型的超短期风电预测

信度理论是利用信度因子来保证调整后的保险费接近于真实的风险水平的一种工具.超短期风速预测可以为风电在线优化调度,储能系统实时抑制风电波动和电力系统EMS实时优化运行等方面提供决策依据,而信度模型具有能对数据量较小的样本建模,并且能够一次性预测该电厂所有风机的未来风速的特点.因此考虑将信度模型应用于预测未来超短期内的风速,并且采用系统聚类法对风机进行合理的分类,以此提高预测精度.     

风电场可靠性模型及其应用

考虑了风速分布的季节性差异和风速的随机变化的影响、风电机组的实际功率特性、风电场尾流效应以及风电机组故障状况,建立了风电场可靠性模型.根据某海上风电场实测数据进行数值仿真实验,结果验证了模型的正确性和有效性.模型为进一步研究大规模风电并网以及风电场功率预测等问题打下了基础.     

基于MCMC的SV模型分钟高频股指波动率研究

利用沪深300股指2018年11月5日-2018年11月12日1分钟数据,基于马尔可夫蒙特卡罗(MCMC)模拟的贝叶斯方法,采用随机波动模型(SV)对我国股市分钟高频数据波动性进行了实证研究,并利用DIC准则进行模型拟合比较.结果表明,沪深300股指收益率序列具有尖峰,厚尾,聚集性等特征,且随机波动模型对于1分钟高频数据的拟合效果优于5分钟数据,标准随机波动模(SV-N)更适合1分钟高频数据.     

系统安全运行约束下的动态环境经济调度

文章研究风电入网情况下系统安全运行的动态环境经济调度问题.基于风电预测误差,权衡效益和系统运行风险,建立了购买可中断负荷(interruptible load,IL)的经济调度优化模型.新模型的目标函数考虑了传统火电机组能耗成本、环境成本、阀点效应成本和可中断负荷补偿成本.系统运行约束上,采用条件风险价值(conditional value-at-risk,CVaR)刻画因风电间歇性和随机性导致的系统不安全运行风险,结合火电机组出力和多时间段爬坡限制建立了系统的安全运行约束.模型的求解上,采用罚函数方法、光滑化技术和样本平均方法相结合,提出了一类新的随机优化算法;IEEE-30节点系统测试了模型和算法的有效性.     

基于混合威布尔分布的风能资源分布统计分析研究

风速概率分布特性和风能概率密度特性研究是风电场风能资源评估的重点。本文使用混合威布尔模型进行风速和风能概率密度估计,从而研究风能资源分布特性。在本文中,混合分布的个数没有限制,通过AIC信息准则进行模型选择。结果与威布尔分布模型、正态分布模型和对数正态分布模型进行对比,通过计算Kolmogorov-Smirnov距离、判定系数和平方根误差评估模型的拟合效果。结果表明,混合威布尔分布模型与实际风速概率密度分布和风功率概率密度分布更加匹配,特别对于风功率密度概率密度来说。由此可见,用混合威布尔模型可以适用于较为复杂的风速与风功率密度分布状况,适合应用于风电场风能资源分布特性的研究以及区域风能资源的评估。     

局部权重调节的自适应惩罚样条回归模型

传统惩罚样条回归模型中的惩罚是均匀惩罚未考虑数据的局部异质性,因而对复杂数据的拟合缺乏自适应性.本文针对约束回归模型惩罚项的设置特点,设计一种局部惩罚权重向量并将其加入到模型中,构造基于B样条基的自适应惩罚样条回归模型.新模型在观测数据波动较大的区域,给予拟合曲线较小的惩罚,而在观测数据波动较小的区域,给予拟合曲线较大的惩罚,从而使拟合曲线能自适应的反映观测数据的局部变化特征.模拟和应用的结果显示新模型的拟合效果显著优于传统的惩罚样条回归模型.     

基于非参数面板数据模型的我国城镇居民消费与收人关系的区域差异性实证分析

为了定量认识我国东、中、西部城镇居民消费与可支配收入关系的区域差异性,本文基于29个省市的1991-2013年经济面板数据,建立了三个区域城镇居民消费性支出的固定效应参数模型和非参数模型,结果表明:非参数模型的拟合误差小于参数模型的拟合误差,并且非参数模型的波动边际消费倾向比参数模型的固定边际消费倾向更为合理。此外,东中西部城镇居民边际消费倾向的波动情况存在较大差异,东部波动变化持续性强,西部波动变化最敏感。     

基于非参数贝叶斯方法的随机波动建模与应用

本文利用非参数贝叶斯方法进行随机波动建模。通常的参数随机波动模型适用于证券市场中的综合指数数据,而对个股数据和小范围指数数据的拟合效果较差,主要原因是其收益率数据的变化规律更为复杂、具有更厚的尾部行为,而非参数贝叶斯方法的随机波动模型无需进行分布假设,具有很强的灵活性。本文利用SV-DPM模型对IBM的股票价格数据和上证50指数数据进行建模,研究发现非参数随机波动模型能拟合参数随机波动模型难以扑捉到的数据特征,实证表明有充分的依据支持非参数贝叶斯随机波动模型。论文的研究有助于捕捉金融资产的时变波动性质,能更好的揭示金融市场的运行规律,为期权定价和金融风险管理提供依据,对于防范与控制金融风险有着重要意义。     

考虑风电出力及负荷预测误差的安全经济运行模型

充分考虑了风电并网和负荷预测不确定性,引入净负荷的概念,实现对风电和负荷预测误差发生概率的综合考虑。通过场景概率的研究,以包括确定性成本和随机性成本在内的综合调度成本最小化为目标函数,构建安全经济运行模型。算例分析表明,本文构建的随机安全运行计划模型相比于传统的确定性模型能够更有效地降低系统运行成本,结果同时显示,根据系统容量和负荷需求合理配置风电装机容量,是减少弃风量、提高供电可靠性的重要手段。     

概率因果模型结合改进遗传算法的核动力系统故障分析

将概率因果模型的似然函数作为遗传算法的适应函数,从而将复杂系统的故障诊断转化为最优问题,建立了一种将概率因果模型和遗传算法相结合的故障诊断方法,并利用改进算法与概率因果故障诊断模型对船用核动力装置进行故障诊断实例分析,分析结果对船用核动力装置故障诊断具有重要的指导意义,而改进遗传算法是进行船用核动力装置故障诊断有效而实用的方法。     

A dynamic wind farm aggregate model for the simulation of power fluctuations due to wind turbulence

An important aspect related to wind energy integration into the electrical power system is the fluctuation of the generated power due to the stochastic variations of the wind speed across the area where wind turbines are installed. Simulation models are useful tools to evaluate the impact of the wind power on the power system stability and on the power quality. Aggregate models reduce the simulation time required by detailed dynamic models of multiturbine systems.In this paper, a new behavioral model representing the aggregate contribution of several variable-speed-pitch-controlled wind turbines is introduced. It is particularly suitable for the simulation of short term power fluctuations due to wind turbulence, where steady-state models are not applicable.The model relies on the output rescaling of a single turbine dynamic model. The single turbine output is divided into its steady state and dynamic components, which are then multiplied by different scaling factors. The smoothing effect due to wind incoherence at different locations inside a wind farm is taken into account by filtering the steady state power curve by means of a Gaussian filter as well as applying a proper damping on the dynamic part.The model has been developed to be one of the building-blocks of a model of a large electrical system, therefore a significant reduction of simulation time has been pursued. Comparison against a full model obtained by repeating a detailed single turbine model, shows that a proper trade-off between accuracy and computational speed has been achieved.     

大型近海水平轴风力机转轮的空气动力学性能优化判据

以近海风能工程为研究目标,对具有不同特性参数（设计风速、叶尖线速度和转轮实度）的大容量（1～10 MW）风力机转轮的气动性能与几何特性进行分析与研究．首先提出大型机组转轮气动性能优化判据:在其直径最小的前提下具有尽可能高的年可用风能特性因数以及与之相关的风能利用系数,因而可捕获最多风能,使年发电量最大．接着给出影响它的几个主要气动参数,如转轮设计风速、叶尖线速度以及转轮实度,并分析风力机在近海气象条件下运转时上述两个气动指标随这些参数变化的规律．提供的气动分析方法及结果可作为大型近海风力机转轮气动性能的评价基础．     

正态分布和瑞利分布混合情形下的参数估计及分类问题

学者往往用单一的分布模拟和拟合杂波,如正态分布、瑞利分布和威布尔分布等。然而在实际中,雷达杂波由多种类型的杂波组成,单一分布通常不能精确刻画雷达杂波规律,因此,应用混合分布模型对雷达杂波数据建模更准确。本文考虑用正态分布和瑞利分布的混合分布拟合杂波,并应用矩估计方法和基于EM算法的极大似然估计方法估计模型参数,最后,应用最大后验概率分类准则验证2种估计方法的分类准确率。通过数据模拟,得出极大似然估计的效果和分类准确率都要优于矩估计的估计效果和分类准确率。     

A probabilistic model for a randomly excited flow

The deterministic approach to the construction of mathematical models for solving the problem of load fluctuation in hydro-electric power plants has been the subject of considerable investigation. Means of mitigating adverse effects, by use of surge tanks or otherwise, has received equal attention.In fact, the load demand on an electric power plant is never regular, consequently load variation may be subject to random effects. The present work concerns a probabilistic model of the random problem, whose solution gives the distribution and probability density functions of the variables involved, namely the pressures, velocities and surge tank oscillation. Order statistical methods were also used to estimate the probability of occurence of extreme head fluctuations.     

Stochastic Modelling of Wind Speed Power Production Correlations

Based on measurements we investigate the velocity-power characteristic of a 2 MW wind turbine. We apply a stochastic analysis where we describe the evolution of the power output with a Langevin equation, with special respect to short-time fluctuations in wind speed. Standard procedures, such as the IEC 61400-12 standard, are limited due to the fact that only mean values over several minutes of wind speed and power output are considered. According to this, short-time dynamics of wind and power fluctuations are usually not taken into account. We introduce an improved method which enables us to extract these dynamics of the power characteristic from the measured data. In particular, we get the response dynamics of the power L (u (t)) via the estimation of Kramers-Moyal coefficients, describing its evolution in time (t) with a Langevin equation where we separate the power output into a relaxation and a noise part. A fixed-point analysis provides the required power characteristic. (© 2006 WILEY-VCH Verlag GmbH & Co. KGaA, Weinheim)     

Estimation of coefficient of variation in a weighted inverse Gaussian model

The coefficient of variation is an important parameter in many physical, biological and medical sciences. In this paper we study the estimation of the square of the coefficient of variation in a weighted inverse Gaussian model which is a mixture of the inverse Gaussian and the length biased inverse Gaussian distribution. This represents a rich family of distributions for different values of the mixing parameter and can be used for modelling various life testing situations. The maximum likelihood as well as the Bayes estimates of the parameters are obtained. These estimates are used to derive the estimates of the square of the coefficient of variation of the model under study. Several important data sets are analysed to illustrate the results. © 1996 John Wiley & Sons, Ltd.     

广义Pareto分布的广义有偏概率加权矩估计方法

广义Pareto分布(GPD)是统计分析中一个极为重要的分布,被广泛应用于金融、保险、水文及气象等领域.传统的参数估计方法如极大似然估计、矩估计及概率加权矩估计方法等已被广泛应用,但使用中存在一定的局限性.虽然提出很多改进方法如广义概率加权矩估计、L矩和LH矩法等,但都是研究完全样本的估计问题,而在水文及气象等应用领域常出现截尾样本.本文基于概率加权矩理论,利用截尾样本对三参数GPD提出一种应用范围广且简单易行的参数估计方法,可有效减弱异常值的影响.首先求解出具有较高精度的形状参数的参数估计,其次得出位置参数及尺度参数的参数估计.通过Monte Carlo模拟说明该方法估计精度较高.