KMS Of Academy of mathematics and systems sciences, CAS
| 高频数据下基于pgarch模型的var估计方法及应用 | |
樊鹏英1; 兰勇2; 陈敏3
| |
| 2017 | |
| 发表期刊 | 系统工程理论与实践
 |
| ISSN | 1000-6788 |
| 卷号 | 37期号:8页码:2052 |
| 摘要 | 高频数据在风险价值VaR度量和预测方面的价值日益凸显,文中基于高频数据为嵌入日内收益过程的PGARCH模型提出一类稳健M估计,同时给出相应的VaR估计方法,并基于沪深300指数和恒生指数的5分钟高频数据对时间内和时间外的VaR进行估计预测.实证结果表明,高频数据下PGARCH模型的M估计所提供的VaR估计方法可更加准确的预测VaR,预测结果均优于日间低频数据的估计结果和基于高频数据的QMLE估计结果,该方法可以很好地应用于风险管理中. |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.amss.ac.cn/handle/2S8OKBNM/47817 |
| 专题 | 应用数学研究所 |
| 作者单位 | 1.北京工商大学 2.中国人民大学 3.中国科学院数学与系统科学研究院 |
| 推荐引用方式 GB/T 7714 | 樊鹏英,兰勇,陈敏. 高频数据下基于pgarch模型的var估计方法及应用[J]. 系统工程理论与实践,2017,37(8):2052. |
| APA | 樊鹏英,兰勇,&陈敏.(2017).高频数据下基于pgarch模型的var估计方法及应用.系统工程理论与实践,37(8),2052. |
| MLA | 樊鹏英,et al."高频数据下基于pgarch模型的var估计方法及应用".系统工程理论与实践 37.8(2017):2052. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [樊鹏英]的文章 |
| [兰勇]的文章 |
| [陈敏]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [樊鹏英]的文章 |
| [兰勇]的文章 |
| [陈敏]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [樊鹏英]的文章 |
| [兰勇]的文章 |
| [陈敏]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论