基于神经网络分位数回归的多期CVaR风险测度
2017-03-30分类号：F224.0;O212
【部门】合肥工业大学管理学院 合肥工业大学过程优化与智能决策教育部重点实验室
【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
【关键词】多期CVaR 分位数回归 神经网络分位数回归 返回测试
【基金】国家自然科学基金资助项目(71671056,71490725,71071087);; 国家社会科学基金资助项目(15BJY008);; 教育部人文社会科学研究规划基金项目(14YJA790015);; 安徽省哲学社会科学规划基金项目(AHSKY2014D103)
【所属期刊栏目】数理统计与管理
文献传递
