1. stirpat模型怎么讀
STIRPAT(Stochastic Impacts by Regression on Population,Affluence,and Technology)可拓展的隨機(jī)性的環(huán)境影響評(píng)估模型（通過(guò)對(duì)人口、財(cái)產(chǎn)、技術(shù)三個(gè)自變量和因變量之間的關(guān)系進(jìn)行評(píng)估）公式： 其中,α為模型的系數(shù),b、c、d為各自變量指數(shù),e為誤差。
指數(shù)的引入使得該模型可用于分析人文因素對(duì)環(huán)境的非比例影響。 對(duì)公式兩邊取自然對(duì)數(shù),得到方程:lnI=lna+b(lnP)+c(lnA)+d(lnT)+lne 由彈性系數(shù)的概念可知,方程的回歸系數(shù)反映的即是解釋變量與被解釋變量之間的彈性關(guān)系。
2. STIRPAT模型
用樹(shù)型（層次）結(jié)構(gòu)表示實(shí)體類(lèi)型及實(shí)體間聯(lián)系的數(shù)據(jù)模型稱(chēng)為層次模型(HierarchicalModel)。
在一個(gè)層次模型中的限制條件是：有且僅有一個(gè)節(jié)點(diǎn)，無(wú)父節(jié)點(diǎn)，此節(jié)點(diǎn)為樹(shù)的根；其他節(jié)點(diǎn)有且僅有一個(gè)父節(jié)點(diǎn)。缺點(diǎn)：只能表示1：N的聯(lián)系。盡管有許多輔助手段實(shí)現(xiàn)M：N的聯(lián)系，但比較復(fù)雜，不易掌握。
層次模型的樹(shù)是有序樹(shù)（層次順序）。對(duì)任一結(jié)點(diǎn)的所有子樹(shù)都規(guī)定了先后次序，這一限制隱含了對(duì)數(shù)據(jù)庫(kù)存取路徑的控制。
樹(shù)中父子結(jié)點(diǎn)之間只存在一種聯(lián)系，因此，對(duì)樹(shù)中的任一結(jié)點(diǎn)，只有一條自根結(jié)點(diǎn)到達(dá)它的路徑。不能直接表示多對(duì)多的聯(lián)系。
樹(shù)結(jié)點(diǎn)中任何記錄的屬性只能是不可再分的簡(jiǎn)單數(shù)據(jù)類(lèi)型。
3. stirpat模型怎么做
通過(guò)對(duì)人口、財(cái)產(chǎn)、技術(shù)三個(gè)自變量和因變量之間的關(guān)系進(jìn)行評(píng)估。
將傳統(tǒng)STIRPAT模型的驅(qū)動(dòng)因素?cái)U(kuò)展為9個(gè)，并運(yùn)用改進(jìn)的模型對(duì)不同類(lèi)型國(guó)家溫室氣體排放的驅(qū)動(dòng)因素進(jìn)行實(shí)證檢驗(yàn)。
結(jié)果發(fā)現(xiàn)不同類(lèi)型國(guó)家在城鎮(zhèn)就業(yè)水平、實(shí)體經(jīng)濟(jì)的人口承載強(qiáng)度、技術(shù)水平、工業(yè)化水平等方面表現(xiàn)出明顯差異,但不管是哪類(lèi)國(guó)家,人口規(guī)模、財(cái)富水平、溫室氣體排放強(qiáng)度、能源強(qiáng)度都是影響各國(guó)溫室氣體排放的最主要因素。
公式： 其中,α為模型的系數(shù),b、c、d為各自變量指數(shù),e為誤差。
指數(shù)的引入使得該模型可用于分析人文因素對(duì)環(huán)境的非比例影響。 對(duì)公式兩邊取自然對(duì)數(shù),得到方程：lnI=lna+b(lnP)+c(lnA)+d(lnT)+lne 由彈性系數(shù)的概念可知,方程的回歸系數(shù)反映的即是解釋變量與被解釋變量之間的彈性關(guān)系。
4. stirpat模型原理
通過(guò)建立模型來(lái)揭示原型的形態(tài)、特征和本質(zhì)的方法稱(chēng)為理想模型法。把復(fù)雜的問(wèn)題簡(jiǎn)單化，摒棄次要因素，抓住主要因素，對(duì)實(shí)際問(wèn)題進(jìn)行理想化處理。
5. stirpat模型用什么軟件
<p>STIRPAT(Stochastic Impacts by Regression on Population,Affluence,and Technology)可拓展的隨機(jī)性的環(huán)境影響評(píng)估模型（通過(guò)對(duì)人口、財(cái)產(chǎn)、技術(shù)三個(gè)自變量和因變量之間的關(guān)系進(jìn)行評(píng)估）</p> <p>公式：</p> <p> </p> <p> </p> <p> 其中,α為模型的系數(shù),b、c、d為各自變量指數(shù),e為誤差。指數(shù)的引入使得該模型可用于分析人文因素對(duì)環(huán)境的非比例影響。</p> <p> 對(duì)公式兩邊取自然對(duì)數(shù),得到方程:</p> <p>lnI=lna+b(lnP)+c(lnA)+d(lnT)+lne </p> <p> 由彈性系數(shù)的概念可知,方程的回歸系數(shù)反映的即是解釋變量與被解釋變量之間的彈性關(guān)系。</p> <p></p>
stirpat參數(shù)模型中參數(shù)應(yīng)按照以下方式去求：1.選擇合適的參數(shù)
CFRMer強(qiáng)調(diào)：在計(jì)算VaR之前，需要先明確所計(jì)算VaR的參數(shù)。最重要的兩個(gè)參數(shù)為時(shí)間期限和置信度，前者對(duì)應(yīng)所需衡量風(fēng)險(xiǎn)的時(shí)間段，后者對(duì)應(yīng)風(fēng)險(xiǎn)的容忍度。
1.1.選取時(shí)間期限
在選取時(shí)間范圍有兩個(gè)考慮因素
所關(guān)注的風(fēng)險(xiǎn)期限：某些公司更關(guān)注于短期風(fēng)險(xiǎn)，使用較短的時(shí)間范圍。另外一些公司并不太關(guān)心短期的波動(dòng)，則使用較長(zhǎng)的VaR時(shí)間范圍。
交易活躍程度：一般來(lái)說(shuō)，公司資產(chǎn)的變化程度越大，其選取的時(shí)間范圍越小。對(duì)于一般商業(yè)銀行，通常只看未來(lái)一天的VaR;投資公司則關(guān)注一周到一個(gè)月的期限，而一般公司則會(huì)使用一個(gè)季度甚至一年的時(shí)間范圍。
某些公司對(duì)不同資產(chǎn)類(lèi)型使用不同的VaR時(shí)間范圍，比如不流通的資產(chǎn)的時(shí)間范圍更長(zhǎng)一點(diǎn)。但不推薦這么做，因?yàn)椋?/p>
衡量流動(dòng)性風(fēng)險(xiǎn)的理論有很大進(jìn)步，使用較長(zhǎng)時(shí)間的VaR是一個(gè)笨拙的方法，而且容易將流動(dòng)性風(fēng)險(xiǎn)和市場(chǎng)風(fēng)險(xiǎn)混為一談。
對(duì)不同的資產(chǎn)使用不同的VaR參數(shù)，在更高層面無(wú)法整合，也使得在不同資產(chǎn)之間無(wú)法進(jìn)行比較。
1.2.選取置信度
置信度取決于對(duì)于損失的容忍度。商業(yè)銀行和保險(xiǎn)企業(yè)的損失容忍度較低，而投資公司的容忍度要高一些。一般來(lái)說(shuō)，對(duì)于較短的時(shí)間期限(1天或一周)：商業(yè)銀行使用99%，其它一般機(jī)構(gòu)使用95%。
另一種定量的方法為，VaR選取置信水平，使得損失超過(guò)該值的可能性等于目標(biāo)違約概率。比如，公司希望將評(píng)級(jí)維持在Aaa級(jí)，穆迪的Aaa級(jí)公司對(duì)應(yīng)1年內(nèi)違約的概率為0.01%，此時(shí)1年期VaR選取置信水平為99.99%。
美國(guó)的銀行通常使用99.98%的置信水平(1年期VaR)對(duì)其經(jīng)濟(jì)資本進(jìn)行衡量，等同于目標(biāo)評(píng)級(jí)水平為Aa。
2.計(jì)算細(xì)節(jié)
在前面只提到了計(jì)算VaR的方法和框架，這里補(bǔ)充一些重要的細(xì)節(jié)。有了這些細(xì)節(jié)，再加上定價(jià)公式，至少能夠?qū)懗鲆恍┖?jiǎn)單的VaR計(jì)算程序。
2.1.收益率：算術(shù)收益率還是連續(xù)收益率
對(duì)于一個(gè)因子有兩種收益率方法：
算術(shù)收益率：假設(shè)期末價(jià)格為 P1 ，期初價(jià)格為 P0 ，那么收益率為 P1/P0?1 。
連續(xù)收益率：假設(shè)期末價(jià)格為 P1 ，期初價(jià)格為 P0 ，那么收益率為 log(P1/P0) 。
算術(shù)收益率即日常理解的收益率。為什么還需要連續(xù)收益率的概念呢，因?yàn)椋?/p>
它對(duì)于時(shí)間是簡(jiǎn)單疊加的：假設(shè)第一期的連續(xù)收益率為r1 ，第二期為r2 ，那么兩期合并收益率為 r1+r2 。
一般來(lái)說(shuō)，連續(xù)收益率是正態(tài)分布。連續(xù)收益率可分解為各個(gè)期間的連續(xù)收益率之和，假設(shè)各個(gè)期間互相獨(dú)立，根據(jù)大數(shù)定律，連續(xù)收益率收斂于正態(tài)分布。而算術(shù)收益率不是正態(tài)分布，最直接的理由是，算術(shù)收益率有下限-100%。
所以一般地，在模特卡洛模擬法中通常使用連續(xù)收益率，在計(jì)算損益額時(shí)再將連續(xù)收益率轉(zhuǎn)化成算術(shù)收益率。
但算術(shù)收益率也有一個(gè)很好的優(yōu)點(diǎn)：它對(duì)于橫向是線(xiàn)性可加的，即組合的收益率等于各個(gè)因子的加權(quán)算術(shù)平均。所以參數(shù)法里使用算術(shù)收益率，并基于下面簡(jiǎn)單事實(shí)，可以認(rèn)為算術(shù)收益率也符合正態(tài)分布：
當(dāng) r～0時(shí)， r～log(1+r) 。
歷史模擬法中無(wú)需假設(shè)收益率的分布，與這兩種方法無(wú)關(guān)。
2.2.風(fēng)險(xiǎn)矩陣的計(jì)算方法
參數(shù)法和蒙特卡洛模擬法，在計(jì)算VaR之前，都需先估計(jì)風(fēng)險(xiǎn)矩陣，即各個(gè)風(fēng)險(xiǎn)因子之間的協(xié)方差矩陣。有幾種方法計(jì)算該協(xié)方差矩陣，包括平均加權(quán)法、GARCH法、指數(shù)移動(dòng)平均法和隱含法。
其中平均加權(quán)法是直接用過(guò)去歷史一定期間內(nèi)的樣本計(jì)算方差;GARCH法是將方差(和協(xié)方差)視為一個(gè)GARCH過(guò)程，用最大似然法進(jìn)行估算;隱含法則利用衍生產(chǎn)品內(nèi)涵的波動(dòng)率進(jìn)行估算。在實(shí)際中最常用的是指數(shù)移動(dòng)平均法。
指數(shù)移動(dòng)平均法使用歷史數(shù)據(jù)的加權(quán)平均和計(jì)算方差 σ2t ，越近的歷史數(shù)據(jù)所占用的權(quán)重越大：
其中 rt 為因子收益， λ為衰減因子，對(duì)應(yīng)半衰期，表示經(jīng)過(guò)多長(zhǎng)時(shí)間，權(quán)重降低一半。半衰期越長(zhǎng)( λ越大)，所得到的風(fēng)險(xiǎn)矩陣和VaR越穩(wěn)定。
RiskMetrics推薦日VaR使用 λ=0.94，周VaR使用 λ=0.97 ，分別對(duì)應(yīng)半衰期10和21(半個(gè)月和一個(gè)月)。
使用移動(dòng)指數(shù)平均法的另一個(gè)好處是：樣本的長(zhǎng)度對(duì)結(jié)果的影響較小。衰減因子為0.94時(shí)，99%的信息來(lái)源于最近的74 =log(1?p)/logλ)=log?(1?p)/log?λ) 個(gè)樣本;衰減因子為0.97時(shí)，99%的信息來(lái)源于最近的151個(gè)樣本。
λλ 的選取和VaR的目的相關(guān)。在日常風(fēng)險(xiǎn)管理中，需要?jiǎng)討B(tài)檢測(cè)風(fēng)險(xiǎn)，VaR要能衡量當(dāng)時(shí)市場(chǎng)狀態(tài)，通常使用較短的半衰期。
但在監(jiān)管中，由于VaR和風(fēng)險(xiǎn)資本相關(guān)，銀行等機(jī)構(gòu)需要根據(jù)VaR確定其風(fēng)險(xiǎn)資本，所以并不希望VaR變動(dòng)過(guò)快，此時(shí)它們會(huì)選擇使用較長(zhǎng)的半衰期，或者直接使用歷史法計(jì)算VaR。
2.3.歷史法中考慮權(quán)重問(wèn)題
如果使用固定區(qū)間比如一年的樣本長(zhǎng)度計(jì)算VaR，并且樣本權(quán)重一樣時(shí)，恰好位于樣本區(qū)間前邊的那個(gè)歷史數(shù)據(jù)，將不包含在今天的VaR計(jì)算范圍。如果那個(gè)邊界數(shù)據(jù)為一個(gè)極端數(shù)據(jù)時(shí)，將對(duì)今天的VaR結(jié)果造成很大的影響。這讓人難以琢磨而且非?；闹?。
直觀意義上看，某個(gè)單獨(dú)的歷史樣本，特別是很久之前的樣本，在計(jì)算過(guò)程中是否包含該樣本，對(duì)結(jié)果應(yīng)該影響較小。參數(shù)法和蒙特卡洛模擬法中引入了指數(shù)加權(quán)法處理這個(gè)問(wèn)題，衰減因子使得每隔半衰期以外的歷史樣本權(quán)重降低一半，這樣是否包含歷史上某個(gè)極端樣本，對(duì)結(jié)果的影響相對(duì)較小。
在歷史法中，也可以對(duì)于不同時(shí)期的樣本數(shù)據(jù)賦予不同的權(quán)重解決上述的問(wèn)題。最簡(jiǎn)單的方法還是上面的衰減因子法，每隔半衰期的樣本權(quán)重降低一半。但是，這種方法在歷史法中不如用在風(fēng)險(xiǎn)矩陣方法里好。因?yàn)?，歷史法計(jì)算VaR值，本來(lái)就非常依賴(lài)于尾部的幾個(gè)極端數(shù)據(jù)，其它樣本數(shù)據(jù)都不會(huì)影響結(jié)果。衰減因子法會(huì)加劇該問(wèn)題。
另一個(gè)處理歷史場(chǎng)景的方法是：用波動(dòng)率去調(diào)整歷史場(chǎng)景。比如歷史場(chǎng)景某因子收益率為1%，波動(dòng)率為2%。目前波動(dòng)率為3%，那么調(diào)整該場(chǎng)景下因子收益率為1.5%。該方法主要是基于波動(dòng)率的穩(wěn)定性，即假設(shè)短期內(nèi)波動(dòng)率保持同樣的水平(同參數(shù)法一樣)。
2.4.對(duì)風(fēng)險(xiǎn)矩陣的非正定性的處理
一個(gè)矩陣 Σ 是正定的，是指對(duì)于任何向量 w≠0，都有 wTΣw>0;一個(gè)矩陣 Σ是半正定的，是指對(duì)于任何向量w ，都有 wTΣw≥0。有幾種情況會(huì)導(dǎo)致非正定的風(fēng)險(xiǎn)矩陣，
如果計(jì)算風(fēng)險(xiǎn)矩陣的樣本個(gè)數(shù)低于風(fēng)險(xiǎn)因子的數(shù)量，得到的協(xié)方差矩陣是半正定的。
因子的樣本長(zhǎng)度不一樣時(shí)(比如因?yàn)闃颖緮?shù)不夠，因子1和因子2的協(xié)方差使用了100個(gè)樣本數(shù)據(jù)，但因子1和因子3的協(xié)方差只使用了50個(gè)樣本數(shù)據(jù))，得到的協(xié)方差矩陣可能是非正定的。
當(dāng)分塊計(jì)算風(fēng)險(xiǎn)矩陣(比如為了簡(jiǎn)化計(jì)算過(guò)程，不直接計(jì)算不同類(lèi)型的因子之間的相關(guān)性，而直接定義為一個(gè)常數(shù))，并且不同塊的計(jì)算方法不一樣時(shí)，得到的協(xié)方差矩陣可能是非正定的。
對(duì)因子協(xié)方差進(jìn)行壓力測(cè)試時(shí)，需主動(dòng)修改風(fēng)險(xiǎn)矩陣某些位置的值，使得風(fēng)險(xiǎn)矩陣不再是正定的。
上面第一種情況得到風(fēng)險(xiǎn)矩陣可以不做處理。后幾種種情況導(dǎo)致的非正定風(fēng)險(xiǎn)矩陣會(huì)需要對(duì)負(fù)數(shù)開(kāi)根號(hào)，這是不可能的。所以必須對(duì)非半正定的風(fēng)險(xiǎn)矩陣進(jìn)行處理。
Correlation Stress Testing for Value-at-Risk: An Unconstrained Convex Optimization Approach這篇文章里描述了在上述第三種請(qǐng)款下，如何處理非正定的風(fēng)險(xiǎn)矩陣，在其概述部分也描述了前人的若干種方法。
這些方法基本上都用到了最優(yōu)化，而且是二次的。在條件允許的情況下，應(yīng)該使用這些學(xué)術(shù)上的結(jié)果。但某些情況下，也可以采取近似的方法。比如，由于風(fēng)險(xiǎn)矩陣是實(shí)對(duì)稱(chēng)矩陣，它可以對(duì)角化：
其中， Γ 為正交矩陣， Ω 為對(duì)角矩陣。如果 Σ 非正定， Ω 對(duì)角線(xiàn)上有負(fù)值。在處理時(shí)，將 Ω 對(duì)角線(xiàn)上的負(fù)值重設(shè)為0即可：
2.5.如何生成隨機(jī)場(chǎng)景
模擬法的場(chǎng)景從風(fēng)險(xiǎn)矩陣中得到。假設(shè)風(fēng)險(xiǎn)矩陣 Σ 為n×n 的半正定矩陣，那么可以生成因子場(chǎng)景為：
其中 Σ=CTC， z 為n元獨(dú)立正態(tài)分布， T 為場(chǎng)景的時(shí)間長(zhǎng)度(相對(duì)于 Σ )。