2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩139頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、發(fā)展是經(jīng)濟社會進步的主旋律,穩(wěn)定是發(fā)展的前提,保持穩(wěn)定需要防范化解風險,金融發(fā)展更需要有效管理金融風險。巴塞爾新資本協(xié)議強調(diào)全面風險管理,要求考慮風險的多維化組合計量問題。多維風險不具有次可加性,風險之間存在非線性相依,非線性相依的準確刻畫使得風險計量更加準確,有利于節(jié)約經(jīng)濟資本。大數(shù)據(jù)背景下,更是強調(diào)多維風險建模,多維風險變量之間的非線性相依的準確描述是決定建模成功的關鍵。高維動態(tài)藤Copula函數(shù)作為Copula學術領域的研究前沿之

2、一,其建模與仿真的科學性決定著金融風險組合計量的效果。
  本研究主要內(nèi)容包括:⑴系統(tǒng)闡述高維動態(tài)藤Copula函數(shù)的模型構建方法與步驟,逐步推導多維仿真過程,從基礎理論的角度解決該方法的應用問題:推導過程中,著力演繹高維h動態(tài)函數(shù)的擬合過程,以t Copula類型為示范,相關參數(shù)是動態(tài)的AR過程,擬合過程中C藤和D藤Copula的Pair Copula對的構造次序是不同的,原因在于二者的動態(tài) h函數(shù)計算方式的不同;在仿真過程中,

3、動態(tài) h逆函數(shù)的推導起到關鍵作用,同樣,對于C藤和D藤Copula來說二者的計算方式截然相反;該部分內(nèi)容還繪制了高維動態(tài)藤Copula函數(shù)的構建與仿真路徑圖,以更直觀的方式總結計算C藤和D藤Copula計算路徑的方法與二者之間的不同之處。⑵運用高維動態(tài)藤Copula函數(shù)對股市風險和匯市風險分別開展實證研究,以兩階段建模方法解決藤Copula的參數(shù)擬合問題,以極值理論解決邊際分布的非均勻現(xiàn)象,以蒙特卡羅模擬進行VaR計算,以UC檢驗進行風

4、險回溯測試,實現(xiàn)了準確的風險計量效果。研究過程中廣義帕累托模型與高維動態(tài)藤Copula函數(shù)的組合使用,成功實現(xiàn)了研究預期,體現(xiàn)在PIT序列的獨立均勻化與VaR超越的合理化。⑶著力對規(guī)則藤中的兩種典型類型-C藤和D藤-開展研究,對于藤結構的構建與倒推進行圖與公式的描述,解決了“藤”這種圖形結構與(條件)二維Copula函數(shù)結合進行多元Copula數(shù)據(jù)模型的分解問題,突破了“維度詛咒”,實現(xiàn)了靈活建模。這一研究內(nèi)容貫穿于高維動態(tài)藤Copul

5、a函數(shù)的構建與仿真過程,及股市風險和匯市風險的計量過程,實證研究表明這種計算方法是可行且高效的。⑷從風險計量與風險傳染兩個角度以藤Copula函數(shù)進行研究,其中的風險計量以動態(tài)模型與靜態(tài)模型進行了比較研究,而風險傳染以馬航空難熱點突發(fā)問題為研究對象,考慮到研究的效率問題,僅以靜態(tài)模型進行。在動態(tài)模型與靜態(tài)模型的比較研究過程中,動態(tài)模型預料之內(nèi)的超越了靜態(tài)模型的表現(xiàn),但是,研究結論也表明藤的種類選擇同樣很關鍵,錯誤的藤Copula函數(shù)類型

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論