基於期望分位數回歸方法的金融風險度量

內容簡介

　　從學術研究的演化路徑和模型建模準確性的角度，刻畫金融資產分布的尖峰厚尾、波動聚集和時變性等接近真實市場環境的風險計量模型更有研究價值。考慮到近期極端事件的頻發對金融市場和金融機構造成的巨大損失，《基於期望分位數回歸方法的金融風險度量》著眼於極端尾部風險的測量技術和金融機構間的尾部相依結構建模技術。通過模型對比，我們選擇新近發展的CARE模型為研究主線，將反映資產波動聚集性特徵的GARCH模型和反映模型時變特徵的LPA方法引入CARE模型，得到更為精確的個體風險測度EVaR。此外，我們將Lasso方法引入高維數據的CARE模型中，得到金融機構間的網路關聯結構，從而更好地識別和防範各類金融危機的發生。

圖書目錄

1 導論

1．1 本書研究背景

1．2 本書主要目的

1．3 本書結構安排

1．4 本書主要創新點

2 金融風險管理及度量

2．1 金融風險管理的內涵

2．2 金融風險的度量

2．3 金融機構的相關性度量

2．4 金融體系的系統性風險

2．5 本章小結

3 基於GARCH—Expectile回歸的EVaR度量

3．1 基於Expectile回歸的EVaR風險測度

3．2 基於GARCH的Expectile回歸

3．3 附加GARCH效應的EVaR度量結果

3．4 本章小結

4 基於結構變點GARCH—Expectile回歸的EvaR動態度量

d．1 結構變點理論

4．2 LPA—GARCH—Expectile模型

4．3 EvaR的動態度量結果

4．4 本章小結

5 基於高維數據Expectile回歸的邊際風險貢獻度量

5．1 高維數據的降維技術

5．2 高維數據的Expectile模型

5．3 基於網路關聯的風險貢獻度量結果

5．4 本章小結

6 Expectile回歸在我國金融體系系統性風險管理中的套用研究

6．1 引言

6．2 問題的提出

6．3 研究設計

6．4 實證分析

6．5 本章小結

參考文獻

基於期望分位數回歸方法的金融風險度量

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條