基于神经网络分位数回归的行业成本预测研究

针对成本在经济学系统中变化的非对称,与其影响因素之间的非线性关系,提出采用神经网络分位数回归法来研究成本与各影响因素之间的联系,并进行成本预测;该方法不仅可以通过神经网络结构模拟经济系统中非线性关系,还可以通过分位数回归功能揭示各影响因素对成本整个条件分布的影响规律;通过实证结果分析,神经网络分位数回归模型相较于OLS回归模型和分位数回归模型其预测精度更高,且揭示了各因素的影响规律,所以神经网络分位数回归模型的分析结果更科学,更有价值,更有助于相关管理决策者进行成本分析、控制和管理。     

基于分位数回归的人民币兑美元汇率风险测度

针对人民币兑美元汇率风险问题,提出了一种基于分位数回归的风险测度方法;以2015-08-11—2019-09-16人民币兑美元汇率中间价数据为研究样本,运用EGARCH模型和TGARCH模型刻画了外汇收益率序列存在的不对称性、波动集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基础上构建了QR-GARCH族VaR模型,最后选择Kupiec失败率检验和动态分位数检验等后测检验方法,比较了两类模型的风险预测精度;结果表明:相对于GARCH族VaR模型,QR-GARCH族VaR模型不仅仅对随机扰动项的假设分布不敏感,并且表现出显著优异的风险预测能力,其中基于t分布的QR-EGARCH VaR模型的预测能力最优,故QR-GARCH族VaR模型在人民币兑美元风险测度问题上更具适用性和稳健性。     

基于分位数回归模型的资产价格泡沫对市场风险的影响

资产"泡沫"是指资产的市场价格对其基础价值的偏离.泡沫的存在会改变投资者预期,助推资产价格上涨,使投资者低估风险,危及市场稳定运行.在度量沪深股票市场中的泡沫程度的基础上,应用分位数回归模型研究了泡沫对市场风险的影响.得出以下结论:泡沫与市场风险存在相关关系,泡沫越大市场风险越大,且泡沫对长期风险的影响比短期风险更大.市场风险受到短期泡沫和长期泡沫的共同影响.泡沫在短期内助推资产价格上涨,使短期内市场风险下降;而长期来看,泡沫破裂可能性增大,市场风险增加.     

分位数回归方法综述

分位数回归模型作为普通线性回归模型的推广,拥有着独特的优越性,在其广泛应用中得到了更加丰富及有价值的结果。本文比较了分位数回归和普通线性回归的优缺点,并介绍了分位数回归在多个学科领域中的应用以及其理论发展分支。     

具有幂变换的半参数分位数回归

考虑响应变量具有幂变换的半参数分位数回归模型.非参数部分运用B样条进行估计,通过最小化累积残差平方和来估计Box-cox幂变换中的参数.研究得到了半参数分位数回归模型估计的一致收敛速度.     

纵向数据下基于复合分位数回归的经验似然推断

利用复合分位数回归（CQR）研究了纵向数据下回归系数的经验似然（EL）推断。将数据组内相关性纳入估计方程中,得到了参数更加有效和稳健的估计,无需预先估计渐近方差,从理论上证明了所得复合分位数经验似然估计（CQREL）的渐近性质,且提出的经验对数似然比服从渐近卡方分布,从而构造了兴趣参数的置信域。通过数值模拟验证了所得方法有很好的有限样本性质。     

分位数回归理论及其应用

介绍了分位数回归的概念、拟合优度、置信区间,并将分位数回归方法应用到肺活量的研究中.结果表明,体重在肺活量分布上的变化趋势是递减的,呼吸差在肺活量分布上的变化趋势是递增的,而在肺活量分布的中端,胸围的影响较强.     

利用非参分位数回归模型分析金融市场的风险传染

基于市场风险的角度,采用非参分位数回归模型,结合中国、美国、英国和日本4个国家股票市场的数据进行实证分析.实证结果表明:4个国家的金融市场存在着风险传染效应,而且这种传染是非线性的;风险产生国的金融市场首先受到影响,进而再传染到其他3个国家的金融市场,而且这种风险传染对于不健全的金融市场的影响程度要大于相对比较健全的金融市场.     

金砖国家人口城市化对碳排放的影响——分位数对分位数回归的新证据

为探索金砖国家城市化发展对环境退化带来的影响,本文基于1960—2020年金砖国家城市化率与人均二氧化碳排放量数据,运用分位数对分位数回归方法实证分析了人口城市化对碳排放的影响。研究结果表明：金砖国家人口城市化的不同分位数与各种碳排放分位数之间存在正负两种依赖关系,但正影响程度大于负影响程度,从而推动了金砖国家碳排放的持续增长。此外,金砖国家人口城市化对碳排放的积极影响在各自城市化进程的不同阶段也存在较大差异性。巴西由低等城市化水平阶段进入中等城市化水平阶段后增加了更多的碳排放,俄罗斯在进入高等城市化水平阶段后增加了更多的碳排放,印度在城市化初始阶段末期和进入加速阶段增加了更多的碳排放,中国在低等城市化水平阶段比在中等城市化水平阶段增加了更多的碳排放,南非在进入中等城市化水平阶段后增加了更多的碳排放。     

投资组合风险价值分解方法研究

提出了两种分别对组合损失和极端损失进行线性近似的投资组合风险价值(VaR)分解的新方法——非对称响应模型估计法和局部线性近似估计法,两种方法均可用于分解参数法与非参数法计算出的投资组合风险价值,弥补了现有分解方法只能分解部分参数法计算出的投资组合风险价值的不足,实证研究结果表明：非对称响应模型法比局部线性近似估计法更为简单、快捷,适用于当组合回报不对称现象明显时;而当组合回报具有显著的厚尾现象时,后者更为准确,两者都具有一定的实际应用价值。     

基于SV模型的VaR Monte Carlo模拟

文章以上证综合指数为研究对象讨论了Monte Carlo模拟法计算VaR,分别利用SV-VaR模型和Monte Carlo-SV-VaR模型计算VaR值,并比较了这2个模型的精确度,从而为上证综合指数的风险度量提供一个参照。     

基于VaR的多阶段存货风险衡量方法

VaR(风险价值)方法在金融管理中作为一种衡量风险的有效手段,得到了越来越广泛的应用. 探讨VaR方法应用于存货的风险控制,通过将存货区分为单一阶段存货和多阶段存货,借助VaR的方法,讨论了多阶段存货管理中的风险衡量问题;介绍了存货管理中与VaR方法有关的基本概念;通过VaR方法的运用,建立了随机需求下的多阶段存货决策模型,并采用解析方法得到了VaR值的分布范围,为有效度量多阶段存货风险提供了期望最大收益(或最大成本)的界值.     

VaR与CVaR的对比研究及实证分析

对两种风险度量方法——风险价值（VaR）和条件风险价值（CVaR）的性质和最优化算法进行了比较．首先对它们具有的性质如平移不变性等进行了比较,其中CVaR独有的次可加性最能显示它相对于VaR的优越性．然后,通过引入顺序统计量,把现实中基于CVaR的最优组合问题转化成线性规划问题,并说明只有当收益服从高斯分布时,基于VaR和CVaR的两种最优组合问题的解才是一致的,基于VaR的最优问题才有意义．最后对深市股票进行了实证分析,验证了上述结论,并分析了可能存在的影响结果的因素．     

VaR模型在我国金融风险管理中的运用研究

近20多年来金融市场迅猛发展,金融机构所面临的风险日趋复杂,主要风险已从信用风险转向了市场风险,表现为利率风险、股价风险和汇率风险的综合。我国金融市场是一个发展中的新兴市场,建立适应于我国金融市场的风险预测模型对我国金融风险管理十分必要。文章从研究VaR模型的具体操作方法入手,分析VaR法对于我国金融市场风险管理的影响,探讨VaR法在我国风险度量和金融监管中存在的问题并提出改进策略。     

引入VaR和ES约束的投资组合理论实证

针对机构投资者控制市场风险的需要,将VaR(风险价值)和ES(期望不足)约束引入到均值一方差投资组合理论中,并利用中国A股1995～2002年的数据,实证了VaR和ES约束对组合绩效的影响．实证结果表明：对于有无风险约束、风险约束类型(VaR对ES)、置信水平高低以及约束值的大小这4项选择(任选1项而其他3项任其变化),存在风险约束或ES约束或置信水平高或约束值小时组合的风险调整绩效均显著好于相应组合的风险调整绩效,而组合绩效表现则完全相反。     

基于GARCH-VaR模型的石油价格风险研究

石油价格收益率一般不符合VaR模型的独立、对称的正态分布假设,表现出金融时间序列的非对称性、异方差、波动聚集等特征.文章提出利用GARCH模型估计石油价格收益率的时变条件方差,改进传统VaR对方差的估计,并通过实证分析,估计石油价格风险,即在一定的置信度水平下石油价格可能的最大日损失值,估计结果显示改进的GARCH-V...     

金融风险度量VaR方法及其应用

风险价值(VaR)是近年来受到国际金融界广泛支持和认可的一种度量金融风险的工具。本文介绍了VaR的基本原理、VaR的计算方法,并且比较了各种计算方法的优缺点及发展方向,阐述了将VaR方法引入中国金融风险管理领域对我国的金融市场建设的重大意义。     

VaR约束下的M-V模型在股票配置决策中的应用

研究了建立在VaR约束基础上的投资组合优化模型,并在实证分析中将其应用于股票配置决策上。     

上证指数的VaR风险测量及有效性分析

本文分别应用历史模拟法和RiskMetricsTM法对上证指数的市场风险进行了实证分析,结果表明:历史模拟法和RiskMetricsTM法对于上证指数的市场风险都有较好的估算结果.实证结果支持VaR的有效性,认为VaR有助于投资者的风险管理.