

已閱讀1頁(yè),還剩61頁(yè)未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、VaR(Value at Risk),即風(fēng)險(xiǎn)價(jià)值法,具體地說(shuō)是指在一定概率水平下(置信度),金融資產(chǎn)或者投資組合在未來(lái)特定一段時(shí)間內(nèi)的最大損失.VaR方法的基本思想是利用資產(chǎn)組合收益的歷史數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)的情況,而離現(xiàn)在較久遠(yuǎn)的歷史數(shù)據(jù)與當(dāng)前金融市場(chǎng)的相關(guān)性很低,早期的數(shù)據(jù)只能來(lái)說(shuō)明歷史的問(wèn)題,不能反映當(dāng)前的情況,而基于經(jīng)典統(tǒng)計(jì)學(xué)的方法過(guò)分依賴于歷史數(shù)據(jù),這使得估計(jì)的VaR的精確度和有效性降低.本文建立了基于Bayes方法的VaR模型來(lái)估
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Bayes估計(jì)與極值理論的VaR研究.pdf
- VaR模型中的分位點(diǎn)水平內(nèi)生化--基于分位點(diǎn)回歸的新視角.pdf
- 基于Bayes方法的非參數(shù)估計(jì).pdf
- 廣義熵的Bayes估計(jì)方法.pdf
- 正態(tài)分布位置參數(shù)的經(jīng)驗(yàn)Bayes估計(jì)與檢驗(yàn)研究.pdf
- 參數(shù)的E Bayes估計(jì)和多層Bayes估計(jì).pdf
- 基于Bayes估計(jì)的催化劑失效判定方法.pdf
- 基于視覺(jué)的位姿估計(jì)與點(diǎn)目標(biāo)運(yùn)動(dòng)測(cè)量方法研究.pdf
- 基于極值理論的VaR與CVaR估計(jì).pdf
- 基于MCMC方法的SV模型估計(jì)及VAR計(jì)算.pdf
- ARFMA模型的Bayes估計(jì).pdf
- GPLSI模型的Bayes估計(jì).pdf
- 基于聲共振原理的液位檢測(cè)與估計(jì)方法.pdf
- 基于變點(diǎn)監(jiān)測(cè)的VaR度量方法研究.pdf
- 瑞利分布的Bayes估計(jì)與極大似然估計(jì).pdf
- SLTBL模型的Bayes估計(jì)與子集選擇.pdf
- 分位點(diǎn)隨機(jī)配序抽樣法的統(tǒng)計(jì)檢驗(yàn).pdf
- 34409.基于mcmc的garchsn模型的bayes估計(jì)
- 比例參數(shù)模糊假設(shè)檢驗(yàn)的Bayes方法.pdf
- 雙指數(shù)分布位置參數(shù)的經(jīng)驗(yàn)Bayes估計(jì)和檢驗(yàn)問(wèn)題.pdf
評(píng)論
0/150
提交評(píng)論