极端VaR风险测度的新方法:QRNN+POT

被引：12

作者：

许启发 ^{[1
,2
]}

陈士俊 ^{[1
]}

蒋翠侠 ^{[1
,2
]}

刘曦 ^{[1
]}

机构：

[1] 合肥工业大学管理学院

[2] 合肥工业大学过程优化与智能决策教育部重点实验室

来源：

系统工程学报 | 2016年 / 31卷 / 01期

关键词：

极端VaR; 非线性分位数回归; 神经网络分位数回归; POT方法; QRNN+POT方法;

D O I：

10.13383/j.cnki.jse.2016.01.004

中图分类号：

F830.9 [金融市场]; F224 [经济数学方法];

学科分类号：

1201 ; 020204 ; 0701 ; 070104 ;

摘要：

由于金融时间序列极端尾部数据的稀疏性,一方面非线性分位数回归存在非线性函数形式选择困难;另一方面非线性分位数回归的极端VaR风险测度精度一直不高.为此,提出了使用神经网络分位数回归(QRNN)模拟金融系统的非线性结构,并使用极值理论的POT方法弥补非线性分位数回归对极端尾部数据信息处理能力的不足,得到了一个新的金融风险测度方法:QRNN+POT,给出了其基本算法,并将其应用于极端VaR风险测度.选取了世界范围内代表性国家股票市场为研究对象,从样本内与样本外两个方面实证比较了QRNN+POT方法与已有的非线性分位数回归模型在VaR风险测度中的表现,结果表明:第一,直接使用非线性分位数回归模型能够准确地得到正常VaR风险测度,而极端VaR风险测度效果却差强人意;第二,使用QRNN+POT方法,极大地改善了极端VaR风险测度效果,能够有效地描述金融危机期间出现的极端风险.

引用

页码：33 / 44

页数：12

共 15 条

[1] 基于贝叶斯CAViaR模型的油价风险研究 [J].