在文献中,分位点回归模型是线性的,但是在实际中,这个假设不能很好地满足需要.为此提出了分位点回归的门限模型,用该模型实证分析了单只股票(浦东发展银行)的条件 VaR.选择了一种流动性风险指标作为条件,因此该条件 VaR 也可以看作是流...在文献中,分位点回归模型是线性的,但是在实际中,这个假设不能很好地满足需要.为此提出了分位点回归的门限模型,用该模型实证分析了单只股票(浦东发展银行)的条件 VaR.选择了一种流动性风险指标作为条件,因此该条件 VaR 也可以看作是流动性调整的 VaR(La-VaR).经过实证分析发现,由门限分位点模型得到的结果能够更好地描述实际市场情况,也能更好地预测市场风险.展开更多
知情交易概率(probability of informed trading,PIN)是市场微观结构中度量知情交易的一种重要度量方法.给出了一种基于交易量的PIN估计方法VPIN(volume-synchronized probability of informed trading).并应用门限分位点回归模型分析了...知情交易概率(probability of informed trading,PIN)是市场微观结构中度量知情交易的一种重要度量方法.给出了一种基于交易量的PIN估计方法VPIN(volume-synchronized probability of informed trading).并应用门限分位点回归模型分析了VPIN与收益率之间的非线性结构关系,给出了VPIN条件下市场风险(conditional value at risk,CVaR)的度量方法.最后对上证综指数据进行了实证分析,实证结果表明VPIN和日收益率之间存在着较为显著的关系,VPIN越大,相应的市场风险CVaR越小.展开更多
随着“双碳”目标的推进,清洁能源所占比重大幅度增加,分布式光伏发电在我国农村地区快速发展,但其随机性、间歇性的特点给新能源消纳和电网稳定带来很大的挑战。光伏发电预测可以在一定程度上改善新能源消纳问题,减少光伏发电的不稳定...随着“双碳”目标的推进,清洁能源所占比重大幅度增加,分布式光伏发电在我国农村地区快速发展,但其随机性、间歇性的特点给新能源消纳和电网稳定带来很大的挑战。光伏发电预测可以在一定程度上改善新能源消纳问题,减少光伏发电的不稳定性对电网的冲击。因此,为提高光伏发电功率预测精度,提出一种基于改进向量加权平均算法优化CNN-QRGRU网络的光伏发电概率预测方法。首先采用ReliefF算法对特征变量进行选择,在此基础上利用高斯混合模型(Gaussian mixture model,GMM)聚类方法将天气分为晴天、晴转多云和阴雨天3种类型,将处理好的数据输入到CNN-GRU模型中,并利用向量加权平均(weighted mean of vectors algorithm,INFO)优化算法对模型超参数进行调参,将分位数回归模型(quantile regression,QR)与INFO-CNN-GRU模型相结合得到光伏功率条件分布,结合核密度估计法从条件分布中获得概率密度函数,完成概率预测。以实际光伏电站数据作为基础,将提出的INFO优化算法与其他几种传统的优化算法进行对比,结果表明INFO的优化效果更好,在此基础上进行概率预测,得到的概率预测结果相较于点预测能提供更多有效信息,更具有应用价值。展开更多
文摘在文献中,分位点回归模型是线性的,但是在实际中,这个假设不能很好地满足需要.为此提出了分位点回归的门限模型,用该模型实证分析了单只股票(浦东发展银行)的条件 VaR.选择了一种流动性风险指标作为条件,因此该条件 VaR 也可以看作是流动性调整的 VaR(La-VaR).经过实证分析发现,由门限分位点模型得到的结果能够更好地描述实际市场情况,也能更好地预测市场风险.
文摘知情交易概率(probability of informed trading,PIN)是市场微观结构中度量知情交易的一种重要度量方法.给出了一种基于交易量的PIN估计方法VPIN(volume-synchronized probability of informed trading).并应用门限分位点回归模型分析了VPIN与收益率之间的非线性结构关系,给出了VPIN条件下市场风险(conditional value at risk,CVaR)的度量方法.最后对上证综指数据进行了实证分析,实证结果表明VPIN和日收益率之间存在着较为显著的关系,VPIN越大,相应的市场风险CVaR越小.
文摘随着“双碳”目标的推进,清洁能源所占比重大幅度增加,分布式光伏发电在我国农村地区快速发展,但其随机性、间歇性的特点给新能源消纳和电网稳定带来很大的挑战。光伏发电预测可以在一定程度上改善新能源消纳问题,减少光伏发电的不稳定性对电网的冲击。因此,为提高光伏发电功率预测精度,提出一种基于改进向量加权平均算法优化CNN-QRGRU网络的光伏发电概率预测方法。首先采用ReliefF算法对特征变量进行选择,在此基础上利用高斯混合模型(Gaussian mixture model,GMM)聚类方法将天气分为晴天、晴转多云和阴雨天3种类型,将处理好的数据输入到CNN-GRU模型中,并利用向量加权平均(weighted mean of vectors algorithm,INFO)优化算法对模型超参数进行调参,将分位数回归模型(quantile regression,QR)与INFO-CNN-GRU模型相结合得到光伏功率条件分布,结合核密度估计法从条件分布中获得概率密度函数,完成概率预测。以实际光伏电站数据作为基础,将提出的INFO优化算法与其他几种传统的优化算法进行对比,结果表明INFO的优化效果更好,在此基础上进行概率预测,得到的概率预测结果相较于点预测能提供更多有效信息,更具有应用价值。
