变点理论在极值分布阈值选取中的应用

极值理论已经被广泛应用于解决金融、保险等领域的厚尾分布问题，而阚值的选取一直是极值理论实际应用的难点和重点。在已有研究成果基础上。本文尝试引入变点理论进行定量化的阈值选取。分析了变，最理论进行阚值选取的基本原理和方法，利用Burr分布产生的随机样本进行模拟，得到了较好的效果。并在此基础上运用S＆P500和Danish火灾保险数据进行了实证分析。     

基于SenV-RBF的个人信用评分模型

将基于敏感性分析的RBF(radical basis function)网络应用于个人信用风险评估中,在训练中通过引入最大输出敏感度来度量隐藏神经元的数目及其径向基函数的中心,并构建了用于识别两类模式的基于SenV-RBF网络的个人信用评分模型.该模型对数据分布无任何要求,其在个人信用评分领域的运用,克服了统计等方法对假设较强的要求以及静态反映信用风险的缺点.经过比较分析,基于SenV-RBF网络的个人信用评分模型在分类的准确性和稳健性方面要优于传统的RBF,且精度可以达到支持向量机的水平.     

极值理论中阈值选取的Hill估计方法改进

利用变点统计理论对极值理论中阈值选择的传统Hill估计方法进行了改进,实现了阈值的定量精确选取,从而减少了因主观判断所引起的阈值选取偏差.将此方法应用到基于极值理论的商业银行操作风险度量中,取得了较好的效果.