极端VaR风险测度的新方法:QRNN+POT

• 作者: 刘曦 蒋翠侠 许启发 陈士俊
• 来源期刊: 系统工程学报
• 学科: 经济
• 关键词: 极端VaR 菲线性分位数回归 神经网络分位数回归 POT方法 QRNN+POT方法
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 金融工程
• 页码范围: 33-44
• 页数: 12页
• 分类号: F224.0
• 字数: 8968字
• 语种: 中文
• DOI: 10.13383/j.cnki.jse.2016.01.004

摘要

由于金融时间序列极端尾部数据的稀疏性,一方面非线性分位数回归存在非线性函数形式选择困难;另一方面非线性分住数回归的极端VaR风险测度精度一直不高.为此,提出了使用神经网络分位数回归(QRNN)模拟金融系统的非线性结构,并使用极值理论的POT方法弥补非线性分住数回归对极端尾部数据信息处理能力的不足,得到了一个新的金融风险测度方法:QRNN+POT,给出了其基本算法,并将其应用于极端VaR风险测度.选取了世界范围内代表性国家股票市场为研究对象,从样本内与样本外两个方面实证比较了QRNN+POT方法与已有的非线性分位数回归模型在VaR风险测度中的表现,结果表明:第一,直接使用非线性分位数回归模型能够准确地得到正常VaR风险测度,而极端VaR风险测度效果却差强人意;第二,使用QRNN+POT方法,极大地改善了极端VaR风险测度效果,能够有效地描述金融危机期间出现的极端风险.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许启发	合肥工业大学管理学院	61	453	13.0	19.0
5	陈士俊	合肥工业大学管理学院	3	26	2.0	3.0
6	蒋翠侠	合肥工业大学管理学院	43	369	11.0	18.0
10	刘曦	合肥工业大学管理学院	3	34	2.0	3.0