基于非线性分位数回归模型的多期VaR风险测度

被引：56

作者：

许启发 ^{[1
,2
]}

张金秀 ^{[1
]}

蒋翠侠 ^{[1
]}

机构：

[1] 合肥工业大学管理学院

[2] 过程优化与智能决策教育部重点实验室

来源：

中国管理科学 | 2015年 / 23卷 / 03期

关键词：

分位数回归; 多期VaR; 非线性; 神经网络; 支持向量机;

D O I：

暂无

中图分类号：

F830 [金融、银行理论]; F224 [经济数学方法];

学科分类号：

020104 [西方经济学]; 020219 [财政学（含：税收学）];

摘要：

多期VaR主要受到持有期及波动率两个变量的影响,并且其影响模式(线性或非线性)的确定对于准确地进行VaR风险测度至关重要。非线性分位数回归模型,能够克服线性分位数回归模型只能揭示多期VaR及其影响因素之间线性依赖关系的局限,从而提高多期VaR风险测度的准确性。结合波动模型与两个非线性分位数回归方法:QRNN和SVQR,给出了多期VaR风险测度的三类方案:波动模型法、QRNN+波动模型法、SVQR+波动模型法。选取3个股票价格指数作为研究对象,考虑了6种不同形式的波动模型,得到了18个多期VaR风险测度方法进行实证比较,结果表明:波动模型选择影响到多期VaR风险测度效果;SVQR+波动模型法略优于QRNN+波动模型法,并且两者显著优于波动模型法。

引用

页码：56 / 65

页数：10

共 10 条

[1]

中国燃油期货市场的VaR与ES风险度量 [J].

王鹏 ;

魏宇 .

中国管理科学, 2012, 20 (06) :1-8

[2]

石油期货收益率的分位数建模及其影响因素分析 [J].

陈磊 ;

曾勇 ;

杜化宇 .

中国管理科学, 2012, 20 (03) :35-40

[3]

分位数局部调整模型及应用 [J].

许启发 ;

蒋翠侠 .

数量经济技术经济研究, 2011, 28 (08) :115-133

[4]

基于分位数回归的金融市场稳定性检验 [J].

史金凤 ;

刘维奇 ;

杨威 .

中国管理科学, 2011, 19 (02) :24-29

[5]

金融市场波动溢出分析及实证研究 [J].

张瑞锋 ;

张世英 ;

唐勇 .

中国管理科学, 2006, (05) :14-22

[6]

Estimating value at risk with semiparametric support vector quantile regression [J].

Shim, Jooyong ;

Kim, Yongtae ;

Lee, Jangtaek ;

Hwang, Changha .

COMPUTATIONAL STATISTICS, 2012, 27 (04) :685-700

[7]

Quantile regression neural networks: Implementation in R and application to precipitation downscaling.[J].Alex J. Cannon.Computers and Geosciences.2010, 9

[8]

GACV for quantile smoothing splines.[J].Ming Yuan.Computational Statistics and Data Analysis.2004, 3

[9]

A quantile regression neural network approach to estimating the conditional density of multiperiod returns [J].

Taylor, JW .

JOURNAL OF FORECASTING, 2000, 19 (04) :299-311

[10]

Robust Estimation of a Location Parameter.[J].Peter J. Huber.The Annals of Mathematical Statistics.1964, 1

← 1 →