在不确定性理论下对石油市场波动性的预测：通过不确定向量自回归构建的联合建模框架 高晨宇和 陈丕伟

《Mathematics》：Oil Market Volatility Forecasting Under Uncertainty Theory: A Joint Modeling Framework via Uncertain Vector Autoregression Chenyu Gao and Piwei Chen

　　

摘要

油价波动性预测仍然是金融风险管理及宏观经济政策中的一个核心挑战，尤其是当市场不确定性源于专家判断、地缘政治评估或基本因素量化不准确（而非统计频率）时。我们提出了一种双变量不确定向量自回归（UVAR）模型，在不确定性理论框架内联合预测原油实现波动性（RV）和整体股市波动性（EMV），使用了2008年1月至2024年12月期间的204个月观测数据。三种交叉验证方案均一致认为UVAR(1)为最优模型，最小二乘估计显示两个变量之间存在不对称的双向关系。残差分析和不确定假设检验证实了所拟合模型的适用性。??="0。05 与经验文献中报告的常规显著性水平相比，UVAR(1)模型的残差方差更低，两个变量的95%置信区间也更窄，并且解决了UVAR(1)在实现波动性假设检验中的失败问题；尽管其在EMV跟踪器上的固定起点平均效应略高，但这被实现波动性这一主要经济变量的显著改善所抵消。与概率VAR(1)模型相比，UVAR(1)在样本外均方误差之和上略有下降，同时能够在非频率主义数据生成机制下支持合理的不确定统计推断。这些结果为依赖石油的经济体的风险价值评估和投资组合对冲提供了理论依据。