互联网金融风险度量模型选择研究

被引:22
作者
宋光辉
吴超
吴栩
机构
[1] 华南理工大学工商管理学院
基金
高等学校博士学科点专项科研基金;
关键词
互联网金融风险; GARCH模型; Va R; CVa R;
D O I
暂无
中图分类号
F49 [信息产业经济]; F832 [中国金融、银行]; F224 [经济数学方法];
学科分类号
1201 ; 020204 ; 0701 ; 070104 ;
摘要
度量互联网金融风险非常重要,但传统的风险度量模型能否有效度量其风险,何种模型能更有效地度量其风险犹未可知。以余额宝的风险度量为例,分析了在90%和95%置信水平下的最优GARCH-Va R和GARCH-CVa R模型,作为对应置信水平下的Va R和CVa R的度量。结果表明,CVa R模型能更有效地度量互联网风险,其不仅可以很好地度量现有的风险水平,还对风险具有预测性。
引用
收藏
页码:16 / 19
页数:4
相关论文
共 6 条
[1]   基于GARCH-CVaR与GARCH-VaR的人民币汇率风险测度及效果对比研究 [J].
朱新玲 ;
黎鹏 .
中南民族大学学报(自然科学版), 2011, 30 (02) :129-134
[2]   基于条件风险价值的投资组合优化模型 [J].
黄向阳 ;
陈学华 ;
杨辉耀 .
西南交通大学学报, 2004, (04) :511-515
[3]   Putting order in risk measures [J].
Frittelli, M ;
Gianin, ER .
JOURNAL OF BANKING & FINANCE, 2002, 26 (07) :1473-1486
[4]   Measures of risk [J].
Szegö, G .
JOURNAL OF BANKING & FINANCE, 2002, 26 (07) :1253-1272
[5]   Conditional value-at-risk for general loss distributions [J].
Rockafellar, RT ;
Uryasev, S .
JOURNAL OF BANKING & FINANCE, 2002, 26 (07) :1443-1471
[6]   Coherent measures of risk [J].
Artzner, P ;
Delbaen, F ;
Eber, JM ;
Heath, D .
MATHEMATICAL FINANCE, 1999, 9 (03) :203-228