高频数据下基于pgarch模型的var估计方法及应用
文献类型：期刊论文
| 作者 | 樊鹏英2; 兰勇1; 陈敏3
|
| 刊名 | 系统工程理论与实践
 |
| 出版日期 | 2017 |
| 卷号 | 37期号:8页码:2052 |
| ISSN号 | 1000-6788 |
| 英文摘要 | 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 |
| 源URL | [http://ir.amss.ac.cn/handle/2S8OKBNM/47816]  |
| 专题 | 应用数学研究所 |
| 作者单位 | 1.中国人民大学 2.北京工商大学 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. |
入库方式： OAI收割
来源：数学与系统科学研究院
浏览0
下载0
收藏0
其他版本
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。