以世界十大股票市场指数为例,运用滚动Monte Carlo模拟技术,实证计算了R-vine、Dvine、C-vine及R-vine all t四种vine copula结构对投资组合的动态VaR预测值,并进一步运用严谨的Back-testing检验方法,实证对比了上述四种vine copula结...以世界十大股票市场指数为例,运用滚动Monte Carlo模拟技术,实证计算了R-vine、Dvine、C-vine及R-vine all t四种vine copula结构对投资组合的动态VaR预测值,并进一步运用严谨的Back-testing检验方法,实证对比了上述四种vine copula结构对投资组合的VaR预测能力的优劣.实证结果显示:不论是在等权重还是在mean-CVaR约束条件下,R-vine对投资组合的VaR预测效果是最好的.特别在高分位数水平下,其表现得更为突出.另外,D-vine的预测精度总体上要高于C-vine和R-vine all t的,而节点间全为t copula的R-vine all t表现相对较差.展开更多
现有分位点回归方法在进行多分位点预测时往往需要为每个分位点单独建立模型,不仅训练成本高还会导致"分位点交叉"。对此,提出了一种基于藤copula分位数回归的光伏功率日前概率预测模型。利用藤copula对光伏功率及其条件变量...现有分位点回归方法在进行多分位点预测时往往需要为每个分位点单独建立模型,不仅训练成本高还会导致"分位点交叉"。对此,提出了一种基于藤copula分位数回归的光伏功率日前概率预测模型。利用藤copula对光伏功率及其条件变量间的相依结构进行解析化表达,基于优化算法对藤copula结构及参数进行优化,在此基础上建立起光伏功率条件分位数回归模型;在条件变量中引入光伏功率点预测量,并借助最小化连续秩概率分数(continuousrank probability score,CRPS)权衡可靠性与锐度,筛选出最佳条件组合。算例仿真结果表明,该方法克服了现有分位数回归方法的缺点,进一步提升了光伏功率概率预测性能。展开更多
提出了采用基于Pair-Copula分解的藤Copula理论建立多元风速相依模型的方法。该方法首先考虑了风速分布的随机性,并计及风电场内部风机群风速间的相关性,采用Canonical藤描述Pair-Copula分解的逻辑结构,通过求解Canonical藤结构中的Pair...提出了采用基于Pair-Copula分解的藤Copula理论建立多元风速相依模型的方法。该方法首先考虑了风速分布的随机性,并计及风电场内部风机群风速间的相关性,采用Canonical藤描述Pair-Copula分解的逻辑结构,通过求解Canonical藤结构中的Pair-Copula概率密度函数PDF(probabilitydensity function),得到高维联合分布下的Pair-Copula多元风速相依模型;再对某实际风电场进行实证分析,得到了风电场内部6个风机群间风速的Pair-Copula联合概率密度函数JPDF(joint probability density function);最后在风电场风速相关结构的问题上进一步研究分析,为下一步建立混合Copula函数模型提供思路。展开更多
文摘以世界十大股票市场指数为例,运用滚动Monte Carlo模拟技术,实证计算了R-vine、Dvine、C-vine及R-vine all t四种vine copula结构对投资组合的动态VaR预测值,并进一步运用严谨的Back-testing检验方法,实证对比了上述四种vine copula结构对投资组合的VaR预测能力的优劣.实证结果显示:不论是在等权重还是在mean-CVaR约束条件下,R-vine对投资组合的VaR预测效果是最好的.特别在高分位数水平下,其表现得更为突出.另外,D-vine的预测精度总体上要高于C-vine和R-vine all t的,而节点间全为t copula的R-vine all t表现相对较差.
文摘现有分位点回归方法在进行多分位点预测时往往需要为每个分位点单独建立模型,不仅训练成本高还会导致"分位点交叉"。对此,提出了一种基于藤copula分位数回归的光伏功率日前概率预测模型。利用藤copula对光伏功率及其条件变量间的相依结构进行解析化表达,基于优化算法对藤copula结构及参数进行优化,在此基础上建立起光伏功率条件分位数回归模型;在条件变量中引入光伏功率点预测量,并借助最小化连续秩概率分数(continuousrank probability score,CRPS)权衡可靠性与锐度,筛选出最佳条件组合。算例仿真结果表明,该方法克服了现有分位数回归方法的缺点,进一步提升了光伏功率概率预测性能。
文摘提出了采用基于Pair-Copula分解的藤Copula理论建立多元风速相依模型的方法。该方法首先考虑了风速分布的随机性,并计及风电场内部风机群风速间的相关性,采用Canonical藤描述Pair-Copula分解的逻辑结构,通过求解Canonical藤结构中的Pair-Copula概率密度函数PDF(probabilitydensity function),得到高维联合分布下的Pair-Copula多元风速相依模型;再对某实际风电场进行实证分析,得到了风电场内部6个风机群间风速的Pair-Copula联合概率密度函数JPDF(joint probability density function);最后在风电场风速相关结构的问题上进一步研究分析,为下一步建立混合Copula函数模型提供思路。
