基于QRNN+GARCH族MA方法的多期VaR和CVaR度量研究

作者：王星惠; 耿文静; 许启发

来源：数理统计与管理, 2023, 42(04): 714-734.

DOI：10.13860/j.cnki.sltj.20230628-002

• CVaR
• 模型平均
• QRNN+GARCH族MA方法

收益序列通常具有聚集性、非对称性和非线性等复杂的典型特征,综合考虑这些特征对收益序列进行建模非常重要。本文基于GARCH族模型平均(MA)方法:引入非线性分位数回归模型对收益序列进行刻画,构建了固定形式的非线性分位数回归(QR+GARCH族MA)方法和非固定形式的非线性分位数回归(QRNN+GARCH族MA)方法测度多期VaR和CVaR风险。构建的新方法不仅能够捕获收益序列的复杂特征、减少信息损失,也无需对多期收益序列分布特征做具体假定,直接对多期收益进行建模就能一次实现不同持有期的风险测度,有效地提高了多期风险测度精度和效率。本文选取8个中国试点城市的碳排放交易价格作为研究对象,使用似然比检验与平均相对误差来评估新方法在多期VaR风险测度的效果;并且构建平均分位误差指标来评估新方法多期CVaR风险度量效果。实证结果表明:在多期VaR和CVaR风险测度中,QRNN+GARCH族MA方法表现出更高的准确性和稳健性。

• 单位
  合肥工业大学; 安徽大学