陈士俊
- 作品数：4 被引量：13H指数：1
- 供职机构：合肥工业大学管理学院更多>>
- 发文基金：安徽省哲学社会科学规划项目教育部人文社会科学研究基金国家自然科学基金更多>>
- 相关领域：经济管理更多>>
- 基于GARCH-EVT模型的证券投资基金动态风险测度被引量：1
- 2015年
- 文章考虑了一类极值风险特征更为明显的金融资产,以股票基金、混合基金和债券基金为研究对象,比较研究了RiskMetrics、GARCH和GARCH-EVT 3类模型在动态极端风险测度上的表现,分别采用似然比检验和Bootstrap方法对3类模型给出的VaR和ES动态风险测度效果进行了返回测试。实证研究表明:基于GARCH-EVT模型给出的各类基金动态VaR和ES风险测度结果更为准确,意味着将GARCH模型与极值理论相结合,能够实现极端风险的准确测度;ES风险测度比VaR风险测度更保守,在测度极端风险时,应采用ES风险测度作为VaR风险测度的补充。
- 许启发陈士俊蒋翠侠
- 关键词：证券投资基金
- 极端VaR风险测度的新方法:QRNN+POT被引量：11
- 2016年
- 由于金融时间序列极端尾部数据的稀疏性,一方面非线性分位数回归存在非线性函数形式选择困难;另一方面非线性分位数回归的极端VaR风险测度精度一直不高.为此,提出了使用神经网络分位数回归(QRNN)模拟金融系统的非线性结构,并使用极值理论的POT方法弥补非线性分位数回归对极端尾部数据信息处理能力的不足,得到了一个新的金融风险测度方法:QRNN+POT,给出了其基本算法,并将其应用于极端VaR风险测度.选取了世界范围内代表性国家股票市场为研究对象,从样本内与样本外两个方面实证比较了QRNN+POT方法与已有的非线性分位数回归模型在VaR风险测度中的表现,结果表明:第一,直接使用非线性分位数回归模型能够准确地得到正常VaR风险测度,而极端VaR风险测度效果却差强人意;第二,使用QRNN+POT方法,极大地改善了极端VaR风险测度效果,能够有效地描述金融危机期间出现的极端风险.
- 许启发陈士俊蒋翠侠刘曦
- 关键词：POT方法
- 神经网络分位数回归模型预测能力研究——来自股市与汇市的证据
- 神经网络分位数回归模型(QRNN)是神经网络与分位数回归的结合，充分发挥了神经网络与分位数回归的优势。一是通过神经网络，可以充分模拟金融系统中的非线性结构;二是通过分位数回归，能够完整揭示响应变量的条件分布特征。因此，神...
- 陈士俊
- 关键词：金融体系
- 一个新的Lorenz曲线模型被引量：1
- 2014年
- Lorenz曲线为描述居民收入分布状况及财富分配不平等程度提供了一个重要工具。为了准确地刻画居民收入分布特征,提出了一个新的Lorenz曲线模型,主要包括两个方面:第一,给出一个基础Lorenz曲线,并论证了其基本性质;第二,通过加权乘积方式,构造出新的衍生Lorenz曲线模型。新Lorenz曲线模型主要有三个方面的优势:模型表示简单,具有较少的待估计参数;模型结构灵活,容易取得更好的拟合效果;模型构造开放,可进一步扩展得到新的衍生Lorenz曲线模型。最后,通过数值模拟比较与实际应用分析,发现新的衍生Lorenz曲线模型不仅比已有的10种衍生Lorenz曲线模型具有更好的拟合效果,而且能够准确地刻画居民收入分布特征。
- 许启发陈士俊张金秀王长久
- 关键词：LORENZ曲线目标函数
