北美电力市场风险分析

shiyiming

你的题目我也很赶兴趣，ftp能再开吗

shiyiming

I can not login your ftp site. Can you post the data? Thanks.

shiyiming

hehe ,大家还惦记着这事那?:)我都已经毕业了:)那个ftp也早就不存在了,不过论文还是做完了，明天给大家汇报一下.

感觉这个论坛还是太冷清了,人太少了，专业的人更不多，不爽.希望多来一些高手可以指教一下我们这般小弟

shiyiming

跟大家汇报一下论文的思路吧

   其实数据并不复杂，就是一组二维数据(供应量,价格).数据量也不算太大.每天24小时*365天*3年.
     首先要进行数据分类,将人为操纵导致的异常价格与市场供需正常的价格分开.开始时想用SAS的聚类分析，后来来发现行不通,无法分离开来。只好自己想了一个土办法:
1   将这一组数据映射到一个二维坐标上;
2   假设正常的点的周围的点的密度应该比较大---正常的市场供求量与价格的函数是连续的。
3   异常点(即人为操纵点)的周围的点比较稀疏.然后编了一个程序，对每一个点，取长为a ,宽为b的一个长方形区域。计算落在这个区域内的点的数目.然后对所有的点的密度进行排列.根据前面的假设,排在后面的点为异常点。
4   取前n个点，映射到二维坐标上，从图形上来看,可以用线性模型来拟合.于是用SAS的程序(现在都记不得是什么语句了:)来进行假设检验，发现符合线性模型。于是得出正常市场供求价格模型。
5   计算异常点的残差,然后利用SAS对残差进行分布拟合.就计算出:价格波动超过一个定值所对应的概率.

shiyiming

当时导师看了，觉得方法虽然没有很深的数学理论---本人专业是信息与计算科学,属于数学系.但也比较实用.
后来经过验证,开始的密度假设还是比较合理的。
如果希望模型更加准确，还可以用二次密度法.即对第一次密度计算,筛选出的正常值再进行一次密度筛选;我试了一下,发现效果更加好一些.
二次密度法,是因为，如果原始数据，有一部分异常点分布比较密集，则有可能在第一次筛选中被选中.但经过第一轮筛选后，这些点周围的点就会非常稀疏.而真正的正常点周围仍能保持一定的密度的点.