

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、市場風(fēng)險的度量是非常復(fù)雜的.模型VaR的出現(xiàn),使得量化金融資產(chǎn)組合在一定的持有期內(nèi)的最大可能損失成為可能.但VaR在應(yīng)用中存在不足,為了克服這些不足,后繼出現(xiàn)了CVaR(Conditional Value at risk)和ES(Expected Shortfall),以及最近出現(xiàn)的MS(MedianShortfall).VaR,MS和ES比以往度量方法有更多的優(yōu)點,解決了更多問題,在實際中有廣泛運用.另一方面,貝葉斯經(jīng)驗似然有效結(jié)合了
2、先驗信息和樣本信息,同時繼承經(jīng)驗似然的優(yōu)良性,它是一種非參數(shù)方法,又能利用先驗信息.在樣本較少情況下,充分利用歷史信息能有效提高估計精度.
本文采用貝葉斯經(jīng)驗似然方法去估計VaR,MS和ES.先結(jié)合先驗信息和經(jīng)驗似然得出VaR,MS和ES的后驗分布,由此得到VaR,MS和ES的估計.然后證明了經(jīng)驗似然部分最大估計的相合性,以及后驗分布在一定的條件下的漸近正態(tài)性.模擬結(jié)果顯示,在一定的置信水平下,在先驗信息比較準(zhǔn)確的情況下,貝葉
3、斯經(jīng)驗似然方法與經(jīng)驗似然方法的覆蓋率差不多,但置信區(qū)間平均長度要短.樣本較小時,貝葉斯經(jīng)驗似然方法的覆蓋率比經(jīng)驗似然方法的覆蓋率高,置信區(qū)間平均長度也比經(jīng)驗似然的置信區(qū)間平均長度短.在先驗信息提取錯誤時,貝葉斯經(jīng)驗似然方法的覆蓋率較差.
本論文特色如下:
1.在經(jīng)驗似然部分,我們采用Eerson and Owen(2009)的方法,通過加入兩個虛擬樣本點解決凸包外無解問題,同時能保證樣本均值不變.
2.在一
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 41051.var和cte估計的經(jīng)驗似然方法
- 參數(shù)的經(jīng)驗貝葉斯估計問題.pdf
- 經(jīng)驗貝葉斯信度估計及其應(yīng)用
- 經(jīng)驗貝葉斯信度估計及其應(yīng)用.pdf
- 基于極值理論和貝葉斯估計的電力市場風(fēng)險值VaR計算.pdf
- 二項分布的經(jīng)驗貝葉斯估計.pdf
- 經(jīng)驗似然縱向數(shù)據(jù)的似然.pdf
- 基于經(jīng)驗似然的條件分布函數(shù)的估計.pdf
- 基于光滑經(jīng)驗似然的VaR計算方法改進(jìn).pdf
- 29374.部分線性模型的基于擬似然函數(shù)的經(jīng)驗似然估計
- 若干分布參數(shù)的經(jīng)驗貝葉斯估計的風(fēng)險分析.pdf
- 基于最大似然和罰似然估計的CT統(tǒng)計重建算法研究.pdf
- 基于貝葉斯Ms-VAR模型的原油對貴金屬非對稱效應(yīng)研究.pdf
- 關(guān)于正態(tài)均值的正則化經(jīng)驗貝葉斯估計方法.pdf
- 基于貝葉斯網(wǎng)絡(luò)和本體的態(tài)勢估計方法.pdf
- 基于經(jīng)驗似然方法的信道估計算法研究.pdf
- 最大似然估計概述
- 短期利率模型的貝葉斯估計.pdf
- 非高斯SV模型的貝葉斯估計.pdf
- NA樣本情形下Gamma分布族參數(shù)的經(jīng)驗貝葉斯估計.pdf
評論
0/150
提交評論