【摘 要】
：
近年来,全球政治经济形势愈发复杂,我国金融经济体系面临的外部压力有比较明显的加大趋势。防范和化解金融风险是国内监管机构和市场主体都需要密切关心的主题。股指期货是我国金融衍生品市场中规模最大同时也是最重要的品种,借助股指期货能够非常有效地预防系统性风险。因此对股指期货进行风险管理的研究是非常有必要的。最近几年,中证500股指期货的日均交易量与持仓量均和沪深300股指期货几乎持平,甚至超过沪深300股
论文部分内容阅读
近年来,全球政治经济形势愈发复杂,我国金融经济体系面临的外部压力有比较明显的加大趋势。防范和化解金融风险是国内监管机构和市场主体都需要密切关心的主题。股指期货是我国金融衍生品市场中规模最大同时也是最重要的品种,借助股指期货能够非常有效地预防系统性风险。因此对股指期货进行风险管理的研究是非常有必要的。最近几年,中证500股指期货的日均交易量与持仓量均和沪深300股指期货几乎持平,甚至超过沪深300股指期货。中证500股指期货在市场中扮演着越来越重要的角色,对其进行有效的风险度量并据此进行风险管理具有很强的现实意义。风险测度是风险管理过程中非常重要的一个环节。本文从风险测量的角度切入,借助目前市场认可度比较高的在险价值（VaR）对中证500股指期货收盘价序列进行风险度量。由于VaR存在一些不足,本文引入条件在险价值（CVaR）对极端风险度量进行更充分风险测度。在计算VaR和CVaR的过程中,本文将样本数据分成包括或者不包括2015年数据的两组样本,并分别利用了历史分位数法、ARMA-GARCH类模型和POT模型进行VaR和CVaR的计算。同时,在拟合ARMA-GARCH类模型时考虑了样本序列可能存在的尖峰厚尾和杠杆效应。最后,通过回测检验和比较分析,发现相对于历史分位数方法,ARMAGARCH类模型和POT模型在计算VaR和CVaR都更优一些。同时,残差基于学生t分布的ARMA-GARCH类模型要优于基于正态分布和GED分布的其他模型。而对比两组样本数据,发现基于不包括2015年数据的样本序列VaR值和CVaR值的准确性和稳定性都更好。在实际应用当中,投资者还需要综合考虑自身的风险厌恶程度和对资金流动性的需求,进而采用最优的模型方法得出VaR和CVaR。
其他文献
人们对于金属材料的应用随着科技的发展、生活水平的提高也越来越广泛,金属材料的表面瑕疵与产品性能和美观性的关系密不可分,因此,在实际的工业生产生活中将有瑕疵的材料辨别出来显得至关重要。传统的检测手段主要有人工识别和基于计算机视觉的机器视觉识别,这些常规的检测手段在面对实际生产中复杂多变的表面瑕疵时无法应对。因此,本文从机器学习的角度出发,将铝型材作为研究对象,探索深度学习方法在铝型材表面瑕疵分类、检
在境内外公众、投资者、公司主体以及政府对环境保护日益关注的当下,环境、社会和公司治理表现越来越成为投资者进行投资决策时所衡量的因素。众多已有的研究表明,企业非财务指标的披露质量和绿色债券融资成本之间存有一定关系。2020年,随着中国提出碳达峰和碳中和的要求后,国内向低碳经济转型的需求越来越强烈,与低碳绿色相关的产业发展政策和相匹配的金融资金支持策略呼之欲出,偏向可持续的投资策略也越来越受到投资者的
胃癌作为致死率最高的癌症之一,其主要治疗方式是手术切除。精确的术前分期能够提升手术成功率,当前,胃镜是胃癌诊断的“金标准”,然而这种侵入性的检查方式会给病人带来不适感,因此,基于CT的胃癌诊断具有十分重要的意义。在CT上实现精准地术前分期难度较高,不仅需要一定的专家资源,同时诊断结果还存在着较强的主观性。近年来,随着人工智能在医学影像分析的发展,深度学习以其自身强大的学习能力为医学专家提供了参考依
点云作为一种灵活的三维几何数据,只要能深入其分析几何拓扑结构中丰富的信息,就能完成许多具有挑战性的任务,同时在实际应用中也有很大的意义,比如自动驾驶、自动室内导航和机器人等领域。深度学习网络在图像处理上取得了极大的成功,这也引导出了一种基于数据驱动的方法来研究点云上的信息,所以大量研究集中在将卷积神经网络应用于不规则点云。但是典型的卷积神经网络擅于处理规则的图像格式或有序的序列,由于点云数据的稀疏
党的十九大报告指出:“要健全金融监管体系,守住不发生系统性风险的底线;防范和化解系统性风险,是金融监管的首要使命。”为了让国民经济能够健康发展,如何防范和化解商业银行系统性风险是摆在当前经济工作的重中之重,需要对商业银行系统性风险进行相关研究。本文基于以上背景,一方面,选取了16家上市银行,以2013年到2020年的每日收盘价为研究数据,以CoVar、ΔCoVar、MES和SRISK为研究方法分析
随着国家大力建设智慧城市,发展人工智能技术,通过智能视频监控来加快城市的信息化建设则变得尤为重要。智能视频监控系统作为计算机视觉的重要研究领域在许多场景下如交通、安防、医疗健康、工业制造都有着广泛的应用。而视频异常检测技术通过智能化方案去检测视频中的异常事件,起到提前预警规避危险的作用,在智能视频监控系统中具有举足轻重的地位。然而,由于异常发生的频率较低,导致搜集异常数据十分困难,且实际监控场景中
随着计算机视觉技术的发展,各类户外的计算机视觉任务逐渐进入人们的生活。雨、雪、雾等恶劣天气一直是影响计算机视觉技术有效性的因素之一,因此恶劣天气场景恢复技术已经成为一个热门话题,广泛应用在无人驾驶、高速摄像以及各类计算机视觉任务中。随着深度学习的发展,越来越多的深度学习方法应用在了图像恢复上,因为它们可以获取不同层级以及更深层次的图像特征,并从原始图像中去除雨雪雾等前景。但是由于深度学习网络的局限
极端金融风险由于其发生概率的极大不确定性和发生损失时的严重性,具有十分特殊的地位,处理不好,有可能引发系统性金融风险,进而引发金融危机和经济危机,对社会造成严重危害。金融风险估值模型的准确性对于极端金融风险的测度具有重大意义,本文基于回溯检验,同时考虑了损失发生的次数和规模,以风险图（Risk map）的方式展示了金融风险估值模型的所有性能信息。本文从金融风险估值模型入手,依据VaR模型分别构造了
随着社会的快速发展,人们生活质量日益提高,制笔行业也在快速发展,笔芯的需求量日益增加。硅油注入和护套密封是笔芯生产过程中关键的两个环节,硅油保证墨水的密封性,护套不仅可保护圆珠笔笔头免受外物碰撞而损伤,其良好的密封性也可使笔芯不易漏墨、溢墨,硅油注入量和护套密封间隙缺陷会直接影响笔芯书写性能。为了提高笔芯生产的质量,检测技术的研发尤为关键,传统人工肉眼检测方法效率低、准确率低,而且检测标准很难统一
随着计算机视觉和人工智能的快速发展,移动机器人的智能化水平不断提高。自主定位、移动和智能感知是实现移动机器人智能化的基础。SLAM（Simultaneous Localization and Mapping）为机器人自主定位、智能感知提供了解决方案,是实现移动机器人智能化的关键技术。移动机器人主要以相机为传感器,在未知环境中建立环境的模型,同时估计自己的运动,实现视觉SLAM定位和建图功能。首个R