【摘要】：與VaR金融風險測度相比,CVaR具有更好的數(shù)理性質(zhì),其計算方法成為關(guān)注的焦點。相對于單期CVaR而言,多期CVaR風險測度具有較強的非線性特征,其建模過程更加復雜。在神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸基礎(chǔ)上,建立了一種新的多期CVaR風險測度方法;基于似然比檢驗,建立了多期CVaR風險測度返回測試評價準則。將該新方法應(yīng)用于滬深300指數(shù)的多期CVaR風險測度,并將其與傳統(tǒng)的測度方法進行了對比,返回測試結(jié)果表明:第一,該新方法具有較強的穩(wěn)健性,各期平均絕對誤差大小基本不變,特別適合于多期CVaR風險測度;第二,基于神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸的多期CVaR風險測度效果優(yōu)于傳統(tǒng)測度方法,表現(xiàn)為似然比檢驗拒絕次數(shù)最少和平均絕對誤差最小。
[Abstract]:Compared with VaR financial risk measurement, CVaR has better mathematical properties and its calculation method has become the focus of attention. Compared with single period CVaR, multiphase CVaR risk measurement has strong nonlinear characteristics, and its modeling process is more complex. Based on the quantile regression of neural network, a new multi-period CVaR risk measurement method is established, and a multi-period CVaR risk measure return test evaluation criterion is established based on likelihood ratio test. The new method is applied to the multi-period CVaR risk measurement of CSI 300 index, and compared with the traditional measurement method. The results show that: first, the new method is robust. The average absolute error of each period is basically unchanged, which is especially suitable for multi-period CVaR risk measurement. Secondly, the multi-period CVaR risk measurement based on neural network quantile regression is superior to the traditional method, which shows that the likelihood ratio test has the least rejection number and the minimum average absolute error.
【作者單位】： 合肥工業(yè)大學管理學院;合肥工業(yè)大學過程優(yōu)化與智能決策教育部重點實驗室;
【基金】：國家自然科學基金資助項目(71671056,71490725,71071087) 國家社會科學基金資助項目(15BJY008) 教育部人文社會科學研究規(guī)劃基金項目(14YJA790015) 安徽省哲學社會科學規(guī)劃基金項目(AHSKY2014D103)
【分類號】：F224.0;O212

【參考文獻】

相關(guān)期刊論文 前6條

1 黃金波;李仲飛;姚海祥;;條件VaR和條件CVaR的核估計及其實證分析[J];數(shù)理統(tǒng)計與管理;2016年02期

2 許啟發(fā);張金秀;蔣翠俠;;基于非線性分位數(shù)回歸模型的多期VaR風險測度[J];中國管理科學;2015年03期

3 田茂茜;虞克明;;銀行業(yè)如何影響房地產(chǎn)業(yè)?Copula分位數(shù)回歸及預測方法[J];數(shù)理統(tǒng)計與管理;2015年01期

4 王理同;王曉葉;原俊青;周明華;;基于半?yún)?shù)EGARCH模型的VaR和CVaR度量與實證研究[J];數(shù)理統(tǒng)計與管理;2014年04期

5 葉五一;繆柏其;;基于動態(tài)分位點回歸模型的金融傳染分析[J];系統(tǒng)工程學報;2012年02期

6 金秀;劉洋;;基于小波分析的多期夏普比率及實證研究[J];管理工程學報;2009年01期

【共引文獻】

相關(guān)期刊論文 前10條

1 許啟發(fā);徐金菊;蔣翠俠;;基于神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸的多期CVaR風險測度[J];數(shù)理統(tǒng)計與管理;2017年04期

2 許啟發(fā);周瑩瑩;蔣翠俠;;帶有范數(shù)約束的CVaR高維組合投資決策[J];中國管理科學;2017年02期

3 許啟發(fā);王陶;蔣翠俠;楊善林;;電商賣家信用評分的多因素校正模型及有效性檢驗——以淘寶網(wǎng)為例[J];軟科學;2017年01期

4 許啟發(fā);蔡超;蔣翠俠;;指令不均衡與股票收益關(guān)系研究——基于大規(guī)模數(shù)據(jù)分位數(shù)回歸的實證[J];中國管理科學;2016年12期

5 楊洋;蔣南極;韓夢彬;;我國房地產(chǎn)業(yè)與銀行業(yè)的相依關(guān)系[J];時代金融;2016年33期

6 楊愛軍;蔣學軍;林金官;劉曉星;;基于MCMC方法的金融貝葉斯半?yún)?shù)隨機波動模型研究[J];數(shù)理統(tǒng)計與管理;2016年05期

7 沈宗慶;李孟剛;;基于多元Copula函數(shù)的融資租賃行業(yè)風險相關(guān)性研究[J];云南財經(jīng)大學學報;2016年03期

8 許啟發(fā);陳士俊;蔣翠俠;劉曦;;極端VaR風險測度的新方法:QRNN+POT[J];系統(tǒng)工程學報;2016年01期

9 張晨;丁洋;汪文雋;;國際碳市場風險價值度量的新方法——基于EVT-CAViaR模型[J];中國管理科學;2015年11期

10 姚海祥;姜靈敏;馬慶華;;不允許買空時的均值-下方風險投資組合選擇——基于非參數(shù)估計方法[J];數(shù)理統(tǒng)計與管理;2015年06期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 王鵬;魏宇;;中國燃油期貨市場的VaR與ES風險度量[J];中國管理科學;2012年06期

2 陳磊;曾勇;杜化宇;;石油期貨收益率的分位數(shù)建模及其影響因素分析[J];中國管理科學;2012年03期

3 趙曉玲;陳雪蓉;周勇;;金融風暴中基于非參估計VaR和ES方法的風險度量[J];數(shù)理統(tǒng)計與管理;2012年03期

4 許啟發(fā);蔣翠俠;;分位數(shù)局部調(diào)整模型及應(yīng)用[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;2011年08期

5 陳秀平;杜江;;Copula函數(shù)的加權(quán)平均距離檢驗方法[J];數(shù)理統(tǒng)計與管理;2011年04期

6 劉曉倩;周勇;;金融風險管理中ES度量的非參數(shù)方法的比較及其應(yīng)用[J];系統(tǒng)工程理論與實踐;2011年04期

7 史金鳳;劉維奇;楊威;;基于分位數(shù)回歸的金融市場穩(wěn)定性檢驗[J];中國管理科學;2011年02期

8 劉瓊芳;張宗益;;基于Copula房地產(chǎn)與金融行業(yè)的股票相關(guān)性研究[J];管理工程學報;2011年01期

9 劉靜;楊善朝;姚永源;;α-混合序列下期望損失ES的兩步核估計[J];應(yīng)用概率統(tǒng)計;2010年05期

10 姚海祥;;基于均值和CVaR的效用最大化模型研究[J];數(shù)理統(tǒng)計與管理;2010年05期

【相似文獻】

相關(guān)期刊論文 前10條

1 包峰,俞金平,李勝宏;CVaR對VaR的改進與發(fā)展[J];山東師范大學學報(自然科學版);2005年04期

2 岳瑞鋒,李振東,楊曉萍;風險管理的CVaR方法及其簡化模型[J];河北省科學院學報;2003年03期

3 李磊,秦超英,曹靜;CVaR的靈敏度分析[J];西南民族大學學報(自然科學版);2005年05期

4 王百勝;唐邵玲;;基于分形分布的VaR與CVaR計算[J];湖南城市學院學報(自然科學版);2006年02期

5 李婷;張衛(wèi)國;;風險資產(chǎn)組合均值-CVaR模型的算法分析[J];安徽大學學報(自然科學版);2006年06期

6 孫曉冬;趙斐;;VaR與CVaR在投資組合中的應(yīng)用及對比分析[J];北京市財貿(mào)管理干部學院學報;2007年02期

7 趙麗娟;;VaR的改進方法CVaR在投資組合風險中的應(yīng)用[J];職業(yè)技術(shù);2009年04期

8 陳剛;周華鋒;;基于CVaR的供電公司多能量市場最優(yōu)購電策略[J];紅水河;2009年06期

9 余力;張勇;;應(yīng)用極值分布理論的VaR和CVaR估計[J];求索;2010年04期

10 鄭玉仙;;風險測量的VaR及CVaR方法的對比研究[J];生產(chǎn)力研究;2010年04期

相關(guān)會議論文 前8條

1 孟志青;虞曉芬;蔣敏;莊彬;曾麗萍;;基于權(quán)值不同置信水平下的多目標CVaR模型[A];中國優(yōu)選法統(tǒng)籌法與經(jīng)濟數(shù)學研究會第七屆全國會員代表大會暨第七屆中國管理科學學術(shù)年會論文集[C];2005年

2 王雨飛;王宇平;;基于遺傳算法的CVaR模型[A];第八屆中國管理科學學術(shù)年會論文集[C];2006年

3 趙振全;張琳琳;;具有風險偏好的CVaR風險度量方法及對我國股市風險度量的實證分析[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學術(shù)年會論文集[C];2007年

4 王秀英;陳爽;;兩種離散型隨機變量線性投資組合的CVaR[A];中國數(shù)學力學物理學高新技術(shù)交叉研究學會第十二屆學術(shù)年會論文集[C];2008年

5 姚海祥;;奇導協(xié)方差矩陣和任意收益率分布下均值-CVaR模型的有效邊界特征[A];第十屆中國管理科學學術(shù)年會論文集[C];2008年

6 姚海祥;;一般橢球分布下VaR與CVaR投資組合選擇模型[A];第十四屆中國管理科學學術(shù)年會論文集(上冊)[C];2012年

7 孟志青;虞曉芬;高輝;蔣敏;;基于條件風險值CVaR模型的房地產(chǎn)組合投資的風險度量與策略[A];第八屆中國管理科學學術(shù)年會論文集[C];2006年

8 蔣敏;孟志青;;基于動態(tài)CVaR模型的證券組合投資的風險度量與控制策略[A];第四屆全國決策科學/多目標決策研討會論文集[C];2007年

相關(guān)博士學位論文 前4條

1 蔣敏;條件風險值（CVaR）模型的理論研究[D];西安電子科技大學;2005年

2 鄧蘭松;基于EVT的證券公司市場風險管理的VaR與CVaR研究[D];天津大學;2004年

3 葉五一;VaR與CVaR的估計方法以及在風險管理中的應(yīng)用[D];中國科學技術(shù)大學;2006年

4 許麗艷;解隨機互補問題的CVaR-SP模型與DRO模型[D];大連理工大學;2015年

相關(guān)碩士學位論文 前10條

1 彭太平;α混合樣本優(yōu)化型CVaR估計的大樣本性質(zhì)[D];廣西師范大學;2011年

2 王維佳;投資組合風險測度模型VaR,CVaR和WES的比較及應(yīng)用[D];陜西師范大學;2016年

3 張逸菲;基于CVaR的貸款組合優(yōu)化模型研究[D];武漢科技大學;2016年

4 王耀鋒;基于CVaR的尾部回歸應(yīng)用以及實證研究[D];浙江工業(yè)大學;2016年

5 王傳霞;VaR和CVaR及在證券市場中的應(yīng)用[D];遼寧大學;2008年

6 宋麗娟;中國股市的動態(tài)VaR與CVaR計量模型分析[D];重慶大學;2008年

7 柳菲;基于遺傳算法的CVaR模型在投資組合中的應(yīng)用[D];西安電子科技大學;2009年

8 羅中德;ρ混合序列下CVaR估計的漸近性質(zhì)[D];廣西師范大學;2010年

9 吳敏;VaR和CVaR在商業(yè)銀行利率風險管理中的應(yīng)用[D];武漢理工大學;2009年

10 謝佳利;VaR與CVaR樣本分位數(shù)估計精度的研究[D];廣西師范大學;2009年

，

本文編號：2318246