摘要
基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度与非线性关联模式。文章选取上证综指作为研究对象,将其与传统的VaR金融风险测度方法进行了实证比较,实证结果表明,基于神经网络分位数回归的VaR风险测度方法,在样本内与样本外都取得了较好的实证效果。
The value at risk（VaR） risk measure method is given based on quantile regression neural network（QRNN） .The whole conditional distribution characteristics of response variables can be revealed through quantile regression ,while the nonlinear structure of economic system can be simulated through neural network .So QRNN can solve the two difficulties of VaR risk measure well ,i .e .tail risk measure and nonlinear relation patterns .By selecting Shanghai Composite Index as the research object ,the QRNN method is compared with the traditional methods .The results of empirical analysis show that the VaR risk measure method based on QRNN achieves a better effect in the sample or out of the sample .
出处
《合肥工业大学学报（自然科学版）》
CAS
CSCD
北大核心
2014年第12期1518-1522,共5页
Journal of Hefei University of Technology：Natural Science
基金
安徽省哲学社会科学规划基金资助项目(AHSKY2014D103)
教育部人文社会科学研究规划基金资助项目(14YJA790015)
高等学校全国优秀博士学位论文作者专项资金资助项目(200982)
中央高校基本科研业务费专项资金资助项目(2011HGRJ0006
2012HGBZ0189)
合肥工业大学研究生教学改革资助项目(2011003)
