基于神经网络分位数回归的多期CVaR风险测度

被引：33

作者：

许启发 ^{[1
,2
]}

徐金菊 ^{[1
]}

蒋翠侠 ^{[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：

数理统计与管理 | 2017年 / 36卷 / 04期

关键词：

多期CVaR; 分位数回归; 神经网络分位数回归; 返回测试;

D O I：

10.13860/j.cnki.sltj.20170328-001

中图分类号：

F224.0 [数量经济学]; O212 [数理统计];

学科分类号：

020209 [数量经济学]; 070103 [概率论与数理统计];

摘要：

与VaR金融风险测度相比,CVaR具有更好的数理性质,其计算方法成为关注的焦点。相对于单期CVaR而言,多期CVaR风险测度具有较强的非线性特征,其建模过程更加复杂。在神经网络分位数回归基础上,建立了一种新的多期CVaR风险测度方法;基于似然比检验,建立了多期CVaR风险测度返回测试评价准则。将该新方法应用于沪深300指数的多期CVaR风险测度,并将其与传统的测度方法进行了对比,返回测试结果表明:第一,该新方法具有较强的稳健性,各期平均绝对误差大小基本不变,特别适合于多期CVaR风险测度;第二,基于神经网络分位数回归的多期CVaR风险测度效果优于传统测度方法,表现为似然比检验拒绝次数最少和平均绝对误差最小。

引用

收藏

页码：715 / 730

页数：16

相关论文

共 16 条

[1]

条件VaR和条件CVaR的核估计及其实证分析 [J].

黄金波 ;

李仲飞 ;

姚海祥 .

数理统计与管理, 2016, 35 (02) :232-242

[2]

基于非线性分位数回归模型的多期VaR风险测度 [J].

许启发 ;

张金秀 ;

蒋翠侠 .

中国管理科学, 2015, 23 (03) :56-65

[3]

银行业如何影响房地产业?Copula分位数回归及预测方法 [J].

田茂茜 ;

虞克明 .

数理统计与管理, 2015, 34 (01) :150-161

[4]

基于半参数EGARCH模型的VaR和CVaR度量与实证研究 [J].

王理同 ;

王晓叶 ;

原俊青 ;

周明华 .

数理统计与管理, 2014, 33 (04) :655-659

[5]

基于动态分位点回归模型的金融传染分析 [J].

叶五一 ;

缪柏其 .

系统工程学报, 2012, (02) :214-223

[6]

基于小波分析的多期夏普比率及实证研究 [J].

金秀 ;

刘洋 .

管理工程学报, 2009, 23 (01) :154-157

[7]

A parsimonious quantile regression model to forecast day-ahead value-at-risk.[J].Erik Haugom;Rina Ray;Carl J. Ullrich;Steinar Veka;Sjur Westgaard.Finance Research Letters.2016,

[8]

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

[9]

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

[10]

US universities' net returns from patenting and licensing: a quantile regression analysis [J].

Bulut, H. ;

Moschini, G. .

ECONOMICS OF INNOVATION AND NEW TECHNOLOGY, 2009, 18 (02) :123-137