基于多目标条件风险值模型的房地产组合投资研究

研究了基于多目标条件风险值(CVaR)模型的房地产组合投资风险度量问题,定义了一种基于权值的多目标CVaR模型,给出了求解它的近似CVaR模型.据此,建立了一个基于多目标CVaR的房地产组合投资优化模型,通过计算这个模型可以得到在一定置信水平下的房地产投资的风险损失值和组合投资比例.应用这个模型对2005年7月到2007年6月全国70个大中城市的房屋价格数据进行了风险值和投资比例数值计算,结果表明,全国仍然存在一些城市的房屋投资是低风险的,但全国大部分城市的房屋投资具有明显的风险性,房地产行业正进入风险投资时期.     

基于组合赋权云模型的阻力伞保障风险评估

针对阻力伞保障风险指标体系不完善、风险管理不系统的问题,通过工作分解结构(work breakdown structure, WBS)-资源分解结构(resource breakdown structure, RBS)法兼顾工作流程和风险要素,建立清晰完善的阻力伞保障风险指标体系。采用组合赋权法融合不确定层次分析法(analytic hierarchy process, AHP)-集对分析的主观权重和CRITIC法(criteria importance though intercriteria correlation)的客观权重实现对风险指标的合理赋权,建立基于云模型的风险评估模型确定风险等级,引入雷达图直观地展示和等级并进行风险分析。研究结果对于实施风险控制、提升保障效率和确保飞行安全具有重要意义。     

VaR--一种风险度量的方法

在险价值是目前市场风险估值的主流理论，被用来估计市场风险暴露在给定置信度下的最坏的预期损失.本文介绍了VaR的概念和计算方法。考虑到时变风险，讨论了GARCH模型，最后给出了评价模型的后验测试方法。     

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。     

高速公路网管理单元实时安全可靠度研究

高速公路运营安全性是实现高速公路高效运营的基本前提,本文提出采用实时安全可靠度来表征高速公路网管理单元的运营安全性。首先,根据研究目的,提出了高速公路网管理单元划分方法。然后,本文将高速公路网管理单元实时安全可靠度分为静态安全可靠度SS[i,t]和动态安全可靠度SD[i,t],静态安全可靠度采用模糊综合评判方法确定,动态安全可靠度在分析单车行车风险的基础上,采用可靠性图能分析方法确定。最后,本文通过算例,将实时安全可靠度的计算方法加以说明。     

一个推广的半绝对离差证券组合投资模型

对半绝对离差证券组合投资模型作一个推广，推广后的模型体现了投资者的下方风险规避，适用于任何类型的收益率分布，同时保留半绝对离差模型的线性性。证明该模型一致于SSD准则，通过实例验证模型的有效性和合理性。     

连续融资下信用风险的多因素预警监控方法

借助KMV模型求解预期违约距离的框架，并通过构造混合期限结构下增长因子的连续期望收益函数，系统建立了连续融资下多风险驱动因素与信用风险之间的结构性的规范关系。通过模型数值模拟和提出的二次非线性的预警监控区域划分方法，得到对12个风险驱动因素进行违约监控的预警区间和监控规律，分析结论还揭示了授信评价中的多重风险偏好特征。     

非银行金融机构风险控制研究

想实现可持续发展,需要完善的金融体系支持,尤其是非银行金融组织的快速健康发展显得更为重要。本课题旨在从非银行金融组织的发展现状分析入手,剖析非银行金融组织发展过程中存在的问题,最后提出非银行金融机构规范健康发展的政策建议~(【1】)。     

高价车内部分保系统及实现

为满足各级公司对高保额机动车辆险的风险分散需求,又要尽可能保住该类优质业务的利润,利用中国人保公司整体优势,通过IT技术自动实现高价车内部分保。运行2年,该类车保费年增幅平均达89%,每年可节省上百万的分保利润。该系统适合在有相当多规模不大的子公司,但整体有一定规模的财产保险公司中运用。     

Standards of evidence and causality in regulatory science: Risk and benefit assessment

In this paper we analyze the Russo-Williamson Thesis (RWT) as a standard of evidence in regulatory science, in risk as well as benefit assessment. In our analysis we take account of the recent controversies that have taken place in regulation with respect to the evidentiary requirements necessary for regulatory decision making. RWT's main point is that not only probabilistic but also mechanistic evidence is necessary for being able to infer the existence of causal links. We ask in which way RWT could have an impact upon current decision making about subjecting to regulation (or, to the contrary, leaving them unregulated) certain chemical substances, food stuffs, health claims, and other typical objects of regulation. We show that the application of RWT resolves some of the problems posed by current standards of evidence. RWT makes it possible to determine with higher accuracy if a particular substance should be subjected to regulation or not, even though under certain circumstances RWT itself may turn into a source of regulatory error. The adequacy of RWT as a standard of evidence depends on the precise manner of its application to regulation (particularly the consideration of mechanistic evidence as a complementary or necessary requirement), as well as the assessment of its non-epistemic consequences.