Brent原油期货市场波动结构突变点预测
陈 粘1a,林 宇1b,黄登仕2,陈宴祥1a
(成都理工大学1a.管理科学学院;1b.商学院,成都 610059;2.西南交通大学经济管理学院,成都 610031)
【摘要】 针对Brent原油期货市场可能存在结构突变点(结构断点),引入了隐马尔科夫模型(HMM)对其进行波动状态预测,但是由于HMM 模型测度下的波动状态中可能存在伪结构突变点,再使用迭代累积平方和(ICSS)模型对Brent原油期货市场波动结构突变点进行诊断,并修正其波动状态。为了检验ICSSHMM-EGARCH 模型对Brent原油期货市场结构突变点预测的准确性,基于修正后的波动状态再次使用HMM-EGARCH 模型对Brent原油期货市场进行波动率预测。最后,采用成功率(SR)和基于平均误差函数(RMSE)的Diebold-Mariano(D-M)模型分别对预测波动状态和预测波动率的准确性进行检验。实证结果表明:Brent原油期货市场中存在波动结构突变点;HMM 模型测度下的波动状态中存在伪结构突变点,而ICSS-HMM-EGARCH 模型能够修正波动状态中的伪结构突变点;基于修正后的波动状态后HMMEGARCH 模型能够对Brent原油期货市场进行更加准确的波动率预测,因而ICSS-HMM-EGARCH 模型能够准确地预测Brent原油期货市场波动结构突变点。
关键词: Brent原油期货;ICSS-HMM-EGARCH 模型;波动状态;结构突变点
大量研究表明,金融收益波动结构突变广泛存在于金融市场之中,而忽略金融波动中的结构突变点可能高估金融市场的波动持续性,进而误判金融市场的波动状态,导致金融市场风险管理的失败[1]。然而,通过对波动结构突变点预测研究,金融决策部门和投资主体能够提前制定出相应的预警方案,从而降低或避免风险损失[2]。原油作为一种重要的能源和化工原料,无论是在经济发展还是国家安全方面都具有举足轻重的地位[3];而Brent原油期货是Brent原油市场的重要衍生品,由于受到各类经济、政治等重大事件的影响,从而导致其波动状态发生显著变化而呈现出波动结构突变现象,因而其波动状态中可能存在波动结构突变点[4-5]。因此,准确预测Brent原油期货市场的波动结构突变点对于Brent原油期货市场的风险管理具有重要的理论价值与实践意义。
然而,Brent石油期货市场结构突变点预测的关键在于如何对其波动状态进行准确预测。由于受到主要产油国和消费国利益冲突、重大的能源事件以及金融危机等因素影响,Brent原油期货市场可能出现结构突变而表现出多波动状态,而在不同波动状态相互转换中就可能存在波动结构突变点[6-7]。但是,要准确预测Brent原油期货市场的波动结构突变点,就必须先对Brent原油期货市场波动状态进行准确预测[8]。虽然马尔科夫机制转换(Markov Regime Switching,MRS)模型能够对金融市场的多波动状态进行一定程度地描述,但其波动状态是通过收益率均值以及一个适当的“差值”来进行刻画,而这个“差值”又具有较强的主观性,因而可能误判其波动状态,进而导致波动结构突变点刻画错误,从而给风险管理者带来巨大损失[9]。令人欣慰的是,隐马尔科夫模型(Hidden Markov Models,HMM)通过一个隐含的状态转移序列和一个与隐状态相关的观测序列共同对波动状态进行测度;HMM 模型不仅能够刻画金融收益波动率的多波动状态,更为关键的是,该模型是由一个双内嵌式的随机过程对波动状态进行估计,能够消除主观因素对波动状态的误判,从而使得测度的波动状态更加准确、可靠,进而确保波动结构突变点预测更加准确[10-11]。因此,本文引入HMM 模型对Brent原油期货市场进行波动状态预测,以期能够提高对Brent原油期货市场波动结构突变点刻画的准确性,进而提高对其风险管理的有效性。
虽然不同波动状态转换间可能存在结构突变点,但未必一定就是真正的结构突变点[12]。由于HMM 模型只是基于金融收益率对波动状态进行刻画,并未考虑其波动率对其波动状态的影响,即未考虑市场本身的波动特征对其波动状态的影响,故仅仅采用HMM 模型对金融市场波动状态的预测就存在明显的不足,可能使对结构突变点预测出现较大误差,进而导致风险管理的失败[13]。而本文考虑引入迭代累积平方和(Iterated Cumulative Sums of Squares,ICSS)模型对HMM 模型测度下的波动状态与波动结构突变点进行诊断,剔除伪结构突变点,确保对波动状态预测的准确、有效,进而提高对Brent原油期货市场波动结构突变点预测的准确性[14]。
此外,Brent原油期货市场波动结构突变点预测的准确性不仅受其波动状态有效刻画的影响,也受其波动率的制约,即波动结构突变点预测也与波动模型的选取有关。以Bollerslev(1986)为代表的众多学者提出了诸多不同类型的GARCH 族模型对波动率进行研究,虽然GARCH 族模型能够有效地刻画金融收益率条件方差的时变性和聚集性,但不能反映波动率的非对称性,且模型参数条件苛刻[15-16]。而Nelson(1991)提出的EGARCH 模型,不仅能够有效地解释收益率波动的聚集性和非对称性,而且还无需对模型参数施加非负约束,使得EGARCH 模型具有更加广泛的适用范围[17]。因此,本文引入基于HMM 模型下的EGARCH 模型对Brent原油期货市场波动率进行预测,以期能够更加准确地预测Brent原油期货市场波动结构突变点。
本文提出一种基于硅基的新型SPAD器件结构，采用深N阱/P-外延层作为主雪崩区，可以实现对近红外短波光子的高效率探测，并且在深N阱区形成两个对称的环状次雪崩区，可提升对可见光的探测效率，从而能实现宽光谱的单光子响应。
综上所述,为了能够更准确地预测Brent原油期货市场的波动结构突变点,本文首先引入HMM模型对Brent原油期货市场进行波动状态预测;其次,基于HMM 模型预测下的波动状态,构建HMM-EGARCH 模型对Brent原油期货市场进行波动率预测,再结合ICSS模型对Brent原油期货市场波动结构突变点进行修正,剔除波动结构中的伪突变点,使其波动状态更加准确;最后,为了验证ICSS-HMM-EGARCH 模型对Brent原油期货市场结构突变点预测的准确性,基于修正后的波动状态结合HMM-EGARCH 模型再次对Brent原油期货市场进行波动率预测,以期能够提高对Brent原油期货市场波动结构突变点预测的准确性,从而为能源监管部门和投资主体提供更有效的风险预警方案及相关决策借鉴。
钢轨波浪型磨耗是指线路在投入运营后，出现在钢轨接触表面的类似波浪形的不均匀磨损。钢轨波浪形磨耗形成之后，列车行驶其上必将激励起车辆、轨道系统的振动, 而且这种振动是随着轨道不平顺的加剧而加剧的。车辆、轨道系统的剧烈振动不仅引起行李移位，使旅客舒适度降低，而且还会加速动车组车轮和轨道结构的破坏。随着我国高速铁路运营里程的增加和车次的增多，铁路现场钢轨波磨分布变得更加广泛，问题日益严重。对已经开通的高速铁路波磨成因等问题进行研究，不仅对整治已有高速铁路出现的波磨问题起到积极作用，而且对新开通和尚未开通的线路，也能起到很好的预测和防护作用。
设xt为第t期Brent原油期货市场交易价格,并定义当期的收益率为
1 研究方法
1.1 Brent原油期货市场波动状态预测模型构建
由于Brent原油期货市场波动结构突变点不仅与其波动状态有关,也受到自身波动率的制约,而波动率刻画的准确性也受到波动状态刻画的影响,故要准确预测Brent原油期货市场波动结构突变点,就需要先对其波动状态进行有效地刻画。HMM 模型是马尔科夫模型的进一步发展,它是通过两个随机过程对Brent原油期货市场波动状态进行刻画。但是对于HMM 模型而言,Brent原油期货市场波动状态不能直接观测,只能通过随机过程的输出观测序列进行推测[24]。其方法如下:
首先,将Brent原油期货市场的收益率序列定义为一观测序列,为O={O1,O2,…,Ot}。又由HMM 模型[25]可知,要对Brent原油期货市场波动状态进行刻画,就需要对HMM 模型参数λ={A,B,π}进行建模分析,其中,A 为Brent原油期货市场波动状态间的转移概率,且A=(aij),满足:
B 为当Brent原油期货市场收益率处于状态i时,其收益率对应的观察值概率分布,且B={bi(k)},其中
,且观察值vk∈(-∞,+∞);π 为Brent原油期货市场波动收益率序列的初始状态概率分布值,有
隐状态集合S={s1,s2,…,sN},隐状态序列Q={q1,q2,…,qt}。从而可根据HMM 模型的原理对Brent原油期货市场的收益率观测序列O={O1,O2,…,Ot}进行建模,并预测t+h 时刻观测值Ot+h的状态值Qt+h,其中h 为预测步数。
其次,应用EM 算法对Brent原油期货市场收益率观测序列O={O1,O2,…,Ot}进行估计,得到HMM 模型参数
,即寻找λML={A,B,π},使得似然值f(O|λ)最大。
脑型脂肪栓塞是脂肪栓塞综合征的特殊类型，是骨折后少见的一种并发症。可表现为头痛、烦躁不安、失眠、易怒、谵妄甚至昏迷、复视、偏瘫等，早期诊断较困难。2016年7月收治1例以视力丧失及不明原因血红蛋白下降为首要表现的脑型脂肪栓塞，报道如下。
再次,根据参数λML采用Viterbi算法估计最佳隐状态序列Q={q1,q2,…,qt}。
3.发作时间多变：瘙痒往往为阵发性，白天轻，夜晚重，睡前脱衣卧床时最甚，季节变化或气候干燥炎热时症状加重。
最后,根据已知参数λML与最佳隐状态序列构建HMM 预测模型。
当υ=0时,标准化的对比模型损失差分服从标准正态分布,其检验统计量为
然而,HMM 模型仅仅是基于收益率对Brent原油期货市场波动状态进行刻画,但Brent原油期货市场波动结构突变点不仅与收益率有关,还受到波动率的影响,因而仅采用HMM 模型测度下的波动状态中可能存在伪结构突变点[26]。因此,需要从波动率视角对Brent原油期货市场的波动结构突变点进行诊断,以确保Brent原油期货市场结构突变点预测的准确、可靠。而要采用ICSS方法对Brent原油期货市场波动结构突变点进行诊断,就需要先对其波动率进行刻画。
其中,E(bj(k))为观测序列概率分布bj(k)的期望值。
在核心素养背景下，想要提升小学数学生活化探究教学质量，教师首先应当结合教材内容引入有效的生活案例，加强学生的理解。还要积极利用多媒体教学设备对数学问题进行生活化的展现，帮助学生联系生活实际进行教学思考。同时在教学课堂中，教师应当积极为学生提供多种生活化教学工具，让他们在实践中获得对知识的加深理解，然后通过积极地创建生活化教学情境，让学生专注于教学课堂，结合生活经验进行对问题的探究。最后还要将课堂内容进行课外的拓展，让学生通过探究结合生活经验对数学问题进行思考与探讨。通过这一系列的数学生活化教学措施，可以有效地提升学生的数学探究与学习能力，促进学生核心素质能力的全面提升。
据此,通过构建HMM 预测模型,得到了Brent原油期货市场波动状态,进而得到HMM 预测模型下不同波动状态转换间的Brent原油期货市场预测结构突变点。
2010年12月底至2011年1月初在湖南，来自泰国和印尼的120名华裔青少年参加“东南亚华裔青少年汉语和中华文化冬令营(湖南营)”。期间，营员们学习了汉语、书法、武术、剪纸等课程，游访了湖南一些著名景点。
1.2 Brent原油期货市场波动结构突变点预测方法构建
因此,从t时刻状态qt=si转移到t+h 时刻状态qt+h=sj的概率为Ah(i,j),即为矩阵Ah的第i行j列元素。又由于状态序列处于状态si时,观测序列O 服从概率分布bi(k),且有第h 步预测值为
迄今为止,国内外许多学者对Brent原油期货市场进行了研究。Huang等[18]研究发现,Brent原油市场价格波动对中国股市具有明显的冲击;Yuan等[19]通过分形理论研究了Brent原油期货市场的稳定分布性与长相关性;Zhan 等[20]使用Markov机制转换模型探讨了Brent原油期货与其波动状态之间的关系。虽然上述研究取得了显著成效,但均未将结构突变点纳入Brent原油期货市场的研究中。近年来,许多学者基于不同视角对Brent原油期货市场的结构突变点进行了研究。Mensi等[21]运用多元DCC-EGARCH 模型分析了结构突变点下Brent原油与美元汇率的动态相依性与非对称波动溢出效应;吴振信等[22]运用Bai-Perron内生多重结构突变检验模型验证欧盟EUA、Brent原油和伦敦股票市场的结构突变现象以及相互间的联动关系;Baum 等[23]使用条件矩综合波动方法研究了原油市场的结构突变点与价格波动间的关系。上述研究对Brent原油期货市场结构突变点的研究都取得了较好的成果,但是对结构突变点仅仅是基于收益波动率,并未考虑波动状态与结构突变点的关系。因而就所掌握的研究文献而言,尚未发现有引入HMM 模型对Brent原油期货市场波动状态进行研究,更没有学者使用ICSSHMM-EGARCH 模型对Brent原油期货市场波动结构突变点进行研究。由此可见,与已有的研究成果相比,本文具有明显的创新性。
由于EGARCH 模型能够较好地刻画金融波动率的非对称性及杠杆效应等典型特征,且考虑到不同滞后阶的EGARCH 模型对时间序列的估计结果非常接近,且EGARCH(1,1)模型简洁、易于研究[27],故通常采用EGARCH(1,1)模型进行分析。因此,本文引入HMM-EGARCH(1,1)模型对Brent原油期货市场波动率进行研究,该模型为:
式中,ωst、αst、βst和γst均依赖于t时刻的状态st。
通过上述方法可得到HMM-EGARCH(1,1)模型参数,并采用该模型对Brent原油期货市场进行波动率预测。
由方差方程式(5)可知,
再将式(6)变形为
现假设t是预测原点,则向前1步预测为
式中:n 为进行样本内预测的样本个数;qt为t时刻Brent原油期货市场波动状态测度值;Qt为t 时刻Brent原油期货市场波动状态预测值。可知[30],当SR 值为75%时,HMM 模型对Brent原油期货市场波动状态预测具有较高的准确性,且SR 值越大,HMM 模型预测准确性越高;反之,则表示模型预测准确性越低。同时,MAE值越小,表示模型预测效果越好,反之亦然。
根据上述过程可得到基于HMM-EGARCH 模型的Brent原油期货市场预测波动率,进而采用ICSS方法对Brent原油期货市场波动状态中的结构突变点进行修正[28]。令
,且每个区间(即一种波动状态转移另一种波动状态转变的区间)的方差为
,j=0,1,…,NT,其中NT为T 个观测数据中方差变化的总数,且1 ＜k1＜k2＜… ＜kNT＜T 为突变点集合,则有
再令
,k=1,2,…,T,为序列开始点到第k 个观测值(要经过中心化处理,即除掉均值或趋势)的累积平方和。定义统计量为
如果在检验区间内波动结构无突变,则Dk统计量围绕0值(水平线)震荡;相反,如果序列中存在一个或多个突变点,Dk值就会或向上或向下显著背离0值。又令k*为取得
时的k 值,如果
超过预定的置信边界,k*就被认为是一个真实的突变点,其中(T/2)1/2是标准化因子。
如果对于Brent原油期货市场的某个检验区间,ICSS模型测度下不存在波动结构突变点,则将HMM 模型预测波动状态中的“伪结构突变点”进行剔除,以确保Brent原油期货市场结构突变点预测的准确性。
通过上述过程构建了ICSS-HMM-EGARCH模型对Brent原油期货市场波动结构突变点进行预测,进而修正其波动状态;并基于修正后的Brent原油期货市场波动状态再次运用HMM-EGARCH(1,1)模型重新预测其波动率,以检验ICSS-HMMEGARCH 模型对Brent原油期货市场波动结构突变点预测的准确性。
2 波动结构突变点预测准确性检验方法
2.1 Brent原油期货市场波动状态预测准确性评价方法
由于Brent原油期货市场波动结构突变点不仅与其波动状态有关,也受到波动率描述影响,故可将对Brent原油期货市场波动结构突变点检验转化为对其波动状态检验和波动率预测评价[29]。而波动率预测也受到波动状态刻画准确性的影响,因而必须先对其波动状态进行检验,才能保证其后所开展的相关研究有意义[29]。因此,本文首先对Brent原油期货市场波动状态预测的准确性进行检验,然后再对Brent原油期货市场波动率预测进行评价。
由于HMM 模型得到的Brent原油期货市场波动状态值是离散值,故可采用成功率(Success Rate,SR)与平均绝对误差(Mean Absolute Error,MAE)对波动状态预测结果[30]进行检验。构建一指示函数为
从而,可得SR 与MAE检验表达式:
进而,可得向前1 步波动率预测值
。不断重复上述过程,即可得到向前m 步的波动率预测值为:
情况 3 v9不染1, 不失一般性,假设它染3,则可用上述的方法将穷点v1,v5的颜色2改染为颜色1, 并用2 来染v。
2.2 Brent原油期货市场波动率预测准确性评价方法
为了能够更加充分验证 ICSS-HMMEGARCH 模型对Brent原油期货市场结构突变点预测的准确性,本文还对Brent原油期货市场的预测波动率进行评价,进而从另一角度来检验模型对Brent原油期货市场结构突变点预测的可靠性。因此,本文采用平均误差函数(Root Mean Squared Errors,RMSE)对HMM-EGARCH 模型与ICSSHMM-EGARCH 模型下的Brent市场波动率预测效果进行比较分析[31],即
式中:RVt为t时刻的已实现波动率[32];σt为t时刻预测波动率。
然而,RMSE是以各模型假设下的波动率与实际测度波动率为基础进行比较的,还需要进一步检验各模型比较值是否具有显著性。因此,进一步使用D-M 检验方法[33]来检验ICSS-HMM-EGARCH模型对Brent原油期货市场波动率预测的准确性。
设e1,t、e2,t为两个模型下的拟合误差,f(e1,t)、f(e2,t)分别为与之相关的损失函数,令损失差分
河北省多年平均降水量532 mm，多年平均水资源总量为205亿m3，现状人均水资源量为283 m3，仅为全国平均水资源量的1/7，远低于国际公认的人均500 m3的“极度缺水标准”。现状一般年份总缺水量124亿m3。客水资源严重不足，开采地下水乃至超采地下水已经成为河北省缓解水资源供需紧张局面的主要途径。近年，随着水资源供需矛盾不断加剧，地下水开发利用规模不断扩大,地下水超采形势更加严峻，部分地区地下水资源枯竭，这不仅对河北省经济社会可持续发展和生态文明建设造成严重威胁，而且对华北地区乃至全国带来重大影响。
设t 时刻的Brent原油期货市场的隐状态为qt=si,又由于隐状态序列Q={q1,q2,…,qt}服从转移概率矩阵为A 的Markov过程,则从t 时刻转移到t+h 时刻,转移矩阵为
式中,f′为f 的常值估计量。该检验模型的原假设H0:两个模型的拟合效果没有差别,即E(dt)=0;备择假设H1:两个模型的拟合效果存在差别,即E(dt)≠0。当检验结果接受原假设,表明模型精度相同;反之,则表明两个模型间存在优劣之分。
（一）新时代对于创新人才的需求。随着科技的不断发展和社会的不断进步，我们的生活在各方面都渐渐得到了更多的突破。但是仅仅有突破是不够的。我们当今社会需要创新，需要有新的思想和知识在各个领域产生。对与教育产业来说，担负着新一代人才培养的重任，就要符合社会发展的趋势，能够把握新形势进行课程的改革，旨在培养符合新时代要求的新青年。在体育教学中也不例外，需要在教学中融入创新素养的培养，以满足新时代对于创新人才的需求。
3 实证结果与分析
3.1 样本数据说明及描述性统计
本文以Brent原油期货市场为研究对象,样本数据是2013-08-24～2016-03-23共915个日收益数据样本(数据来源:大智慧365交易软件)。由于文献[34]中选择了30%左右的数据样本作为预测样本,并取得了较好的研究效果,此外,本文中选取的作为预测样本的315 个数据(约占样本数据的34%)包含一个完整的波动周期,因而能够包含较为充分的市场信息,故本文选择后314 个数据用于Brent原油期货市场收益波动率预测研究。
首先教师在网上通过发布案例并提出相关问题，学生结合预习的课程知识来思考这些问题，学生组与组之间可以在线进行讨论，并且互帮互助、协作解决问题，教师网上来监督学生解答案例问题，教师根据调查的情况将问题归纳汇总，快速设计出针对问题的解决方案，对学生完成程度进行评价，学生再通过评价总结本节课学习的效果，在教师的指导下对本课内容进行总结，梳理知识、强调重点、归纳归律、总结方法。课后教师学生一起回顾，共同解决出现的问题，见图1。
由表1的数据描述统计量可以看出,Brent原油期货收益率的偏度值为0.007 0,其峰度值为5.563 5,并且在5%显著水平下均显著,从而表明Brent原油期货收益率服从右偏厚尾分布;又由于JB统计量检验的数据是否服从正态分布,而Brent原油期货收益率序列的JB 统计量为250.277 7(P=1.000 0×10-3),从而表明Brent原油期货收益率序列不服从正态分布,上述统计信息反映出Brent原油期货收益率序列服从有偏厚尾分布。而由表1 结果可知,LB(10)值为20.436 7,且在1%显著水平下显著,表明Brent原油期货收益波动率序列存在自相关性;对于ARCH 效应检验,由表1可以得出,Brent原油期货收益率序列显著存在ARCH 效应。通过上述分析可知,Brent原油期货收益波动率分布呈现尖峰右偏、非对称等“典型事实特征”,进而表明对Brent原油期货波动结构突变点预测研究的必要性。又由于EGARCH 模型能够较好地刻画具有尖峰厚尾、非对称等典型事实特征下的金融市场波动率,故本文基于EGARCH 模型对Brent 原油期货波动率进行研究。
表1 Brent原油期货市场描述统计量
3.2 波动预测模型参数估计结果
本文不仅对ICSS-HMM-EGARCH 模型参数进行了估计,而且还估计了EGARCH 与HMMEGARCH 模型参数,分析引入ICSS方法能否提高Brent市场波动结构突变点刻画的准确性,如表2所示。
表2 模型参数估计结果表
通过对表2中模型参数分析,可以直观地发现,不同波动状态下的Brent原油期货市场收益率均值μ 均不为0,且具有较为明显的差异,从而表明Brent原油期货表现出了明显的多波动状态;同时也表明,Brent原油期货市场存在结构突变点,更间接表明对Brent原油期货市场结构突变点预测研究的必要性。
进一步分析表2中各模型参数可知,γ 估计值均显著,说明Brent原油期货市场波动率呈现出较强的波动持续性,从而也证明Brent原油期货市场波动状态不仅受当期市场信息的影响,而且还受前期波动状态的影响,进而也间接证明HMMEGARCH 模型能更有效地对Brent原油期货市场波动率预测。而β 估计值均为负且均显著,表明Brent原油期货波动率具有显著的“负杠杆效应”,即等量“利空消息”要比等量“利好消息”对Brent原油期货市场产生更强的影响,与Brent原油期货市场所呈现出的实际特征相一致,也间接证明ICSSHMM-EGARCH 模型对Brent原油期货市场波动结构突变点预测的准确性。
我们采用聚类分析的层次聚类,对50种自费加项进行分析,形成层次聚类树,如图2。结合树图和数据理解,我们建议把50种自费加项划分为三大类:超强频次加项(包括癌胚抗原和甲状腺彩超)、强频次加项(蛋白芯片检测、心脏彩超、甲状腺功能、颈椎片、CA724、腰椎片、胸片、乙肝两对半)和弱频次加项(剩余其它加项)。此结果与第一部分按照频数排名的情况一致。
此外,对比表2 中各模型下似然值、AIC 以及BIC值发现,ICSS-HMM-EGARCH 模型具有更高的似然值及更小的AIC 与BIC 值,从而表明ICSSHMM-EGARCH 模型对Brent原油期货市场收益率具有更强的拟合性;同时,不仅说明Brent原油期货市场呈现出了较为明显的两种波动状态,而且也为ICSS-HMM-EGARCH 模型能够准确预测Brent原油期货市场波动结构突变点提供了依据。
综上所述,Brent原油期货市场存在波动结构突变点;HMM 模型能够有效地刻画Brent原油期货市场波动状态,ICSS-HMM-EGARCH 模型能够更加有效地拟合Brent原油期货市场波动率。
3.3 基于Brent原油期货市场波动状态的结构突变点预测
通过对表2的分析可知,虽然HMM 模型能够刻画出Brent 原油期货市场的波动状态,但是HMM 模型是基于其收益率对其波动状态进行刻画,并未考虑波动率对其波动状态的影响,即没有考虑HMM 模型下的Brent原油期货市场波动状态中是否存在伪波动结构突变点。因此,本文使用ICSS-HMM-EGARCH 模型分析Brent原油期货市场是否存在伪波动结构突变点,如图1、2所示。
图1 Brent原油期货市场价格与波动率
图2 Brent原油期货市场波动状态修正前、后对比图
通过对图1中Brent原油期货市场价格图分析可知,Brent原油期货市场呈现出3 个较为明显的价格波动拐点,且与图2中Brent原油期货市场的波动状态突变点个数相一致,从而表明HMM 模型能够有效地刻画其波动状态。然而,对比分析图2所示的波动状态可发现,在HMM 模型与ICSSHMM-EGARCH 模型下,Brent原油期货市场的波动状态突变点出现的时间点明显不一致。其原因可能是,由于修正前的波动状态仅仅是基于Brent原油期货市场收益率引入HMM 模型进行刻画,并未考虑其波动率对其波动状态的影响,导致波动结构突变点刻画不准确,使得其波动状态与实际存在较大偏差;而修正波动状态不仅基于Brent原油期货市场收益率进行刻画,而且还基于HMM-EGARCH 模型引入ICSS方法考察了Brent原油期货市场波动率对其波动状态的影响,从而使得修正后的波动状态是综合收益率与波动率共同对其波动状态进行刻画,能够包含更多的市场信息,使得模型对结构突变点预测更加准确,既表明了仅仅使用HMM 模型测度下的Brent原油期货市场中存在伪结构突变点,也确保了ICSSHMM-EGARCH 模型能够更加准确地预测Brent原油期货市场波动结构突变点。
进一步对图2分析可知,修正后的波动状态结构突变预测点较修正前的波动状态结构突变预测点有一定的提前。可能是因为修正后的波动状态刻画不仅考虑了Brent原油期货市场收益率对波动状态的影响,而且还考察了HMM-EGARCH 模型估计出的波动率对波动状态刻画的影响;由于受到前期收益率与波动率两个因素共同影响波动状态中突变点的出现可能更符合Brent原油期货市场真实的波动特征,也表明ICSS-HMM-EGARCH 模型对波动结构突变点具有显著的预警功能。结合图1 中Brent原油期货市场波动率分析可知,在Brent原油期货市场出现第1个波动状态突变点时,其波动率在区间[80,90]出现了明显的减小,表明Brent原油期货市场的波动性将减弱,进而其波动状态可能从一种状态转换到另一种状态,因而在区间[80,90]应该存在一个波动状态突变点,而修正前的波动突变点出现在区间(110,120)内。因此,在此区间修正后的波动状态更加准确。此外,通过分析还可发现,修改后的波动突变点较修正前的突变点均明显提前,因而监管部门或投资主体可依据结构突变点预测研究,在波动突变点出现的时期设置不同等级的“防火墙”对风险进行监管,以期能够对Brent原油期货市场进行更加有效的风险监管。因此,ICSS-HMMEGARCH 模型能够准确地刻画Brent原油期货市场波动结构突变点。
图3 Brent原油期货市场预测波动状态及其收益率
图4 Brent原油期货市场测度波动状态与预测波动状态
准确预测Brent原油期货市场波动结构突变点的重点在于对其波动状态预测的有效性(见图3)。通过对图3的分析可知,在区间[600,914]内,Brent原油期货市场收益率的波动变化幅度与其对应的预测波动状态相一致。同时,结合图4可发现,预测波动状态几乎与测度波动状态相同,从而表明ICSSHMM-EGARCH 模型能够准确预测出Brent原油期货市场波动状态,也证明了ICSS-HMMEGARCH 模型对Brent原油期货市场结构突变点预测的准确性。
进一步分析Brent原油期货市场收益率可知,在区间[780,800]内Brent原油期货市场收益率波动幅度明显加剧。其原因可能是,由于受到国际能源署下调了原油需求以及乌克兰和中东紧张局势等国际事件的影响,Brent原油价格出现剧烈震荡,从而导致Brent原油期货市场收益率也呈现出较为剧烈的波动,在此期间Brent原油期货市场表现出较为明显的结构突变现象,因而在此区间内存在波动结构突变点;而预测波动状态与测度波动状态相比较仅仅是其结构突变点出现的时间有所不同,预测波动状态中的结构突变点要早于测度波动状态中的结构突变点,从而表明ICSS-HMM-EGARCH 模型对结构突变更加敏感,也间接证明ICSS-HMMEGARCH 模型对Brent原油期货市场波动结构突变点预测的准确性。
为了更加直观地反映出 ICSS-HMMEGARCH 模型对Brent原油期货市场波动结构突变点刻画的准确性,本文使用SR 与MAE对其波动状态预测结果进行检验(见表3)。
刘蜀贝在《比较文学：语文教学应有的开放视野》一文中指出，“比较文学作为研究文学的一种理念和方法，在中学语文教学中的普及和应用，对当前的语文教学改革有着非常积极的影响”。[9]具体到教学实践，他认为：
表3 波动状态预测检验结果
由表3 可看出,在设定的预测步长内,ICSSHMM-EGARCH 模型对Brent原油期货市场波动状态的预测成功率均大于95%,且前150歩内预测波动状态与测度波动状态保持一致,从而表明ICSS-HMM-EGARCH 模型能够准确地对Brent原油期货市场进行波动状态预测。对于波动状态预测中出现的偏差,可能是由波动状态预测过程中的计算误差以及其他市场对Brent原油期货市场的影响,导致波动状态预测值与实际测度值之间存在一定的偏差。然而,就整体预测结果而言,ICSSHMM-EGARCH 模型对Brent原油期货市场波动状态预测的成功率达到了97.1%,从而表明ICSSHMM-EGARCH 模型对Brent原油期货市场进行了有效的波动状态预测,也证明了ICSS-HMMEGARCH 模型能够准确预测Brent原油期货市场波动结构突变点。
总之从理论上讲，无论是教育学或图情学科，都已论证并确认了图书馆及对其的使用在培养人的综合素质与能力中，是不可或缺的。没有图书馆的支撑也就没有真正意义上的素质教育。
3.4 基于Brent原油期货市场波动率的结构突变点预测
通过上述分析可知,ICSS-HMM-EGARCH 模型能够对Brent原油期货市场进行准确的波动状态预测,也表明ICSS-HMM-EGARCH 模型能够准确预测其波动结构突变点。此外,为了更加充分地证明ICSS-HMM-EGARCH 模型对Brent原油期货市场结构突变点的预测是否准确,本文从预测波动率的角度对Brent原油期货市场波动结构突变点预测进行研究,如图5所示。
图5 Brent原油期货市场预测波动率与同期已实现波动率对比图
通过对图5 的分析可发现,在ICSS-HMMEGARCH 模型下,Brent原油期货市场预测波动率与已实现波动率具有大致相同的变化趋势,尤其是在区间[850,914]内,预测波动率与已实现波动率几乎呈现出一定程度的重合,从而表明ICSS-HMMEGARCH 模型能够对Brent原油期货市场波动率进行有效预测,也证明了ICSS-HMM-EGARCH 模型能够准确预测Brent原油期货市场波动结构突变点。此外,由于区间[850,914]内的Brent原油期货市场处于高波动状态,且在此区间对Brent原油期货市场波动率预测的拟合效果更加明显,从而证明了ICSSHMM-EGARCH 模型能够对Brent原油期货市场进行准确的结构突变点预测。
为了更加全面地体现出 ICSS-HMMEGARCH 模型对Brent原油期货市场波动结构突变点预测的准确性,本文应用标准统计误差函数对其波动率预测模型性能进行检验,并基于D-M 方法对波动模型的稳健性进行评价(见表4)。
表4 波动率模型预测精度结果
由表4 可以直观地看出,ICSS-HMMEGARCH 模型下的损失函数值几乎均显著小于其他模型下的损失函数值(除了ICSS-HMM-GJR 模型下的HMSE 值比ICSS-HMM-FIEGARCH 模型下的 HMSE 值略大),从而表明ICSS-HMMEGARCH 模型能够减小Brent原油期货市场波动率预测的损失,即ICSS-HMM-EGARCH 模型能够对Brent原油期货市场波动率进行更加准确的拟合。此外,由D-M 检验可知,在 MSE、MAE、HMSE以及HMAE标准下,ICSS-HMMEGARCH 模型具有最好的波动率预测性能,进而也证明了ICSS-HMM-EGARCH 模型对Brent原油期货市场波动结构突变点预测的准确性。
4 结语
由于Brent原油期货市场因结构突变而表现出多波动状态,从而呈现出较为明显的波动结构突变点。首先,本文引入HMM 模型对Brent原油期货市场进行了波动状态预测,但是由于HMM 模型只是基于收益率对Brent原油期货市场进行波动状态预测,没有考虑其自身波动率对波动状态的影响,从而使得仅使用HMM 模型测度出的波动状态中可能存在伪结构突变点。因此,本文构建了ICSSHMM-EGARCH 模型对其波动状态进行修正。为了进一步验证ICSS-HMM-EGARCH 模型对Brent原油期货市场结构突变点预测的准确性,本文基于修正后的波动状态重新采用HMM-EGARCH 模型对其进行了波动率预测。最后,采用成功率(SR)与平均绝对误差(MAE)对Brent原油期货市场波动状态预测的准确性进行检验,使用基于平均误差函数的D-M 方法检验了波动率预测的准确性。实证研究表明:Brent原油期货市场存在波动结构突变点;虽然HMM 模型能够对Brent原油期货市场波动状态进行预测,但是由于其测度下的波动状态中存在伪结构突变点,使得其测度的波动状态不准确,而ICSS-HMM-EGARCH 模型能够修正Brent原油期货市场波动状态中的伪结构突变点,从而使得对Brent原油期货市场的波动状态预测更加准确;基于修正后波动状态下的HMM-EGARCH 模型能够更加准确预测出Brent原油期货市场波动率,因而ICSS-HMM-EGARCH 模型能够对Brent原油期货市场波动结构突变点进行更准确地预测。
综上所述,金融决策部门和机构投资者可通过对金融市场波动结构突变点预测研究,结合金融市场的实际,制定出科学、合理的金融风险预警方案,从而避免或降低金融风险损失,进一步促进金融市场的繁荣稳定。
参考文献 :
[1]Wang C,Bauwens L,Hsiao C.Forecasting a long memory process subject to structural breaks[J].Journal of Econometrics,2013,177(2):171-184.
[2]Block A S,Righi M B,Schlender S G,et al.Investigating dynamic conditional correlation between crude oil and fuels in non-linear framework:The financial and economic role of structural breaks[J].Energy Economics,2015,49(5):23-32.
[3]余炜彬,范英,魏一鸣,等.Brent原油期货市场的协整性分析[J].数理统计与管理,2004,23(5):26-32.
[4]Bradley T E,Farooq M.Volatility spillovers between oil prices and the stock market under structural breaks[J].Global Finance Journal,2015,12(5):1-12.
[5]Kumar D,Maheswaran S.Detecting sudden changes in volatility estimated from high,low and closing prices[J].Economic Modelling,2013,31(5):484-491.
[6]周彦,张世英,张彤.T 跳跃连续时间SV 模型建模及实证研究[J].系统管理学报,2007,16(5):531-536.
[7]林宇,陈粘,陈宴祥.基于HMM-EGARCH 的银行间同业拆放利率市场波动预测研究[J].系统工程理论与实践,2016,36(3):593-603.
[8]Mamatzakis E,Remoundos P.Testing for adjustment costs and regime shifts in Brent crude futures market[J].Economic Modelling,2011,28(3):1000-1008.
[9]Champion C,Houghton S M.Application of continuous state hidden Markov models to a classical problem in speech recognition[J].Computer Speech&Language,2015,14(4):1-18.
[10]Hoek J,Elliott R J.A modified hidden Markov model[J].Automatica,2013,49(12):3509-3519.
[11]Chen H,Hey J,Slatkin M.A hidden Markov model for investigating recent positive selection through haplotype structure [J].Theoretical Population Biology,2015,99(1):18-30.
[12]Koo B,Seo M H.Structural-break models under misspecification:Implications for forecasting[J].Journal of Econometrics,2015,188(1):166-181.
[13]Berens T,Gregor N F,Wied D.Testing for structural breaks in correlations:Does it improve Value-at-Risk forecasting? [J].Journal of Empirical Finance,2015,17(5):1-18.
[14]Kumar D,Maheswaran S.Modelling asymmetry and persistence under the impact of sudden changes in the volatility of the Indian stock market[J].IIMB Management Review,2014,24(3):123-136.
[15]Chan F,Mc Aleer M,Medeiros M.Structure and asymptotic theory for nonlinear models with GARCH errors[J].EconomiA,2015,16(1):1-21.
[16]吕永健,王鹏,胡颖毅.基于TGARCHSK 模型的外汇市场极端风险测度研究[J].系统管理学报,2017,26(2):234-243.
[17]Harvey A,Sucarrat G.EGARCH models with fat tails,skewness and leverage[J].Computational Statistics&Data Analysis,2014,76(8):320-338.
[18]Huang S P,An H Z,Gao X Y,et al.Identifying the multiscale impacts of crude oil price shocks on the stock market in China at the sector level[J].Physica A,2015,433(9):344-355.
[19]Yuan Y,Zhuang X T,Liu Z Y,et al.Stable distribution and long-range correlation of Brent crude oil market[J].Physica A,2015,394(2):235-246.
[20]Zhang Y J,Zhang L.Interpreting the crude oil price movements:Evidence from the Markov regime switching model[J].Applied Energy,2015,143(2):96-109.
[21]Mensi W,Hammoudeh S,Yoon S.Structural breaks,dynamic correlations,asymmetric volatility transmission,and hedging strategies for petroleum prices and USD exchange rate [J].Energy Economics,2015,48(3):46-60.
[22]吴振信,万埠磊,王书平.碳交易市场、原油市场和股票市场的联动关系——基于结构突变检验和VAR模型的实证研究[J].系统工程,2015,33(3):25-31.
[23]Baum C F,Zerilli P.Jumps and stochastic volatility in crude oil futures prices using conditionalmoments of integrated volatility[J].Energy Economics,2014,29(10):1-7.
[24]Silja R.Efficient sensitivity analysis in hidden Markov models[J].International Journal of Approximate Reasoning,2012,53(9):1397-1414.
[25]Rabiner L,Juang B H.An introduction to hidden Markov models[J].ASSP Magazine,IEEE,1986,3(1):4-16.
[26]Guerrero F A,Vasconcelos G C.Object recognition under severe occlusions with a hidden Markov model approach[J].Parrern Recognition Letters,2017,86(2):68-75.
[27]Paolo Z.Whittle estimation of EGARCH and other exponential volatility models [J].Journal of Econometrics,2009,151(2):190-200.
[28]Kumar D,Maheswaran S.Detecting sudden changes in volatility estimated from high,low and closing prices[J].Economic Modelling,2013,31(11):484-491.
[29]姜婷,周孝华,董耀武.基于Markov机制转换的我国股市周期波动状态研究[J].系统工程理论与实践,2013,33(8):1934-1939.
[30]Pesaran M H,Timmermann A.A simple nonparametric test of predictive performance[J].Journal of Business&Economic Statistics,1992,10(4):461-465.
[31]Dilip K.Sudden changes in extreme value volatility estimator:Modeling and forecasting with economic significance analysis[J].Economic Modelling,2015,49(9):354-371.
[32]Patton A J.Volatility forecast comparison using imperfect volatility proxies [J].Journal of Econometrics,2011,160(1):246-256.
[33]Diebold F X.Comparing predictive accuracy,twenty years later:A personal perspective on the use and abuse of diebold-mariano tests[J].Journal of Business&Economic Statistics,2015,33(1):1-26.
[34]Liu X C.Modeling time-varying skewness via decomposition for out-of-sample forecast [J].International Journal of Forecasting,2015,31(2):296-311.
Forecasting of Structure Breakthrough Points in Brent Crude Oil Futures Market
CHEN Zhan 1a,LIN Yu 1b,HUANG Dengshi 2,CHEN Yanxiang 1a
(1a.College of Management Science;1b.School of Business,Chengdu University of Technology,Chengdu 610059,China;2.School of Economics and Management,Southwest Jiaotong University,Chengdu 610031,China)
【Abstract】 There may exist a structure breakthrough point in Brent crude oil futures market due to the impact of financial crisis.In this paper,the hidden Markov model is introduced to forecast the volatility state in Brent crude oil futures market.However,there may exist some supposititious volatility structure breakthrough points based on the HMM model.Therefore,an ICSS-HMM-EGARCH model is built to reforecast structure breakthrough points in Brent crude oil futures market based on iterated cumulative sums of squares,and the volatility state is then corrected.In order to test the reliability of forecasting structure breakthrough points by using the ICSS-HMM-EGARCH model,the volatility of Brent crude oil futures market is re-forecasted based on the corrected volatility state once again.Finally,the success rate is used to evaluate the forecasted volatility state,and the forecasted volatility is tested with the Diebold-Mariano model based on the root mean squared errors function.The empirical results show that there exist structure breakthrough points in Brent crude oil futures market and there exist supposititious volatility structure breakthrough points based on the HMM model,but the ICSS-HMM-EGARCH model can correct the supposititious structure breakthrough points effectively.The HMM-EGARCH model can obtain a more accurate volatility based on corrected volatility state.Therefore,the ICSS-HMM-EGARCH model is capable of effectively forecasting the structure breakthrough points in Brent crude oil futures market.
Key words: Brent crude oil futures;ICSS-HMM-EGARCH model;volatility state;structure breakthrough point
中图分类号: F 416.22
文献标志码: A
DOI: 10.3969/j.issn.1005-2542.2019.06.010
文章编号 :1005-2542(2019)06-1095-11
收稿日期: 2017-10-23
修订日期: 2018-05-02
基金项目: 国家自然科学基金资助项目(71771032);国家社会科学基金资助项目(17BJY188);四川省应用基础研究资助项目(2017JY0158)
作者简介: 陈 粘(1988-),男,博士生。研究方向为金融工程与风险管理。E-mail:jslv123@126.com
标签：Brent原油期货论文; ICSS-HMM-EGARCH模型论文; 波动状态论文; 结构突变点论文; 成都理工大学管理科学学院论文; 成都理工大学商学院论文; 西南交通大学经济管理学院论文;