基于非线性分位数回归模型的多期VaR风险测度
来源：好兔宠物网
Evaluating Multiperiod VaR via Nonlinear Quantile
Regression Model
作者： 许启发[1,2] 张金秀[1] 蒋翠侠[1]
作者机构： [1]合肥工业大学管理学院,安徽合肥230009 [2]过程优化与智能决策教育部重点实验室,安徽合肥230009出版物刊名： 中国管理科学页码： 56-65页年卷期： 2015年 第3期
主题词： 分位数回归 多期VaR 非线性 神经网络 支持向量机
摘要：多期VaR主要受到持有期及波动率两个变量的影响,并且其影响模式（线性或非线性）的确定对于准确地进行VaR风险测度至关重要。非线性分位数回归模型,能够克服线性分位数回归模型只能揭示多期VaR及其影响因素之间线性依赖关系的局限,从而提高多期VaR风险测度的准确性。结合波动模型与两个非线性分位数回归方法：QRNN和SVQR,给出了多期VaR风险测度的三类方案：波动模型法、QRNN＋波动模型法、SVQR＋波动模型法。选取3个股票价格指数作为研究对象,考虑了6种不同形式的波动模型,得到了18个多期VaR风险测度方法进行实证比较,结果表明：波动模型选择影响到多期VaR风险测度效果;SVQR＋波动模型法略优于QRNN＋波动模型法,并且两者显著优于波动模型法。
因篇幅问题不能全部显示，请点此查看更多更全内容