集約リスクモデルのための依存条件付き値対リスク【JST・京大機械翻訳】

Josaphat Bony; Syuhada Khreshna

プレプリント

J-GLOBAL ID：202202201841916220 整理番号：22P0188432

集約リスクモデルのための依存条件付き値対リスク【JST・京大機械翻訳】

Dependent Conditional Value-at-Risk for Aggregate Risk Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年09月07日プレプリントサーバーでの情報更新日： 2020年09月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

リスク尺度予測とモデルは,より良い予測を提供するだけでなく,その(経験的)特性,特にコヒーレント特性を保存するために開発された。価値-at-Risk(VaR)の広く使われているリスク測度は,多くの応用でその性能と利点を示してきたが,それは実際にはコヒーレントリスク尺度ではない。VaRを超える損失の平均として定義される条件付きVaR(CoVaR)は,コヒーレント特性を満たす代替リスク対策の1つである。修飾CoVaR(MCoVaR)とCopula CoVaR(CCoVaR)のようなCoVaRのいくつかの拡張があった。本論文では,ランダム損失として扱われたモデルパラメータを含む別のランダム損失に依存するターゲット損失に対して,依存性CoVaR(DCoVaR)と呼ばれる別のリスク測度を提案した。DCoVaRはMCoVaRとCCoVaRよりも性能が優れていることが分かった。数値シミュレーションを行い,提案したDCoVaRを説明した。さらに,著者らは,異種分散プロセスのためのDCoVaR予測を計算するために,金融利益データの経験的研究を行った。【JST・京大機械翻訳】

, , , , , , , ,
, , , 【Automatic Indexing@JST】

利益管理 , オペレーションズリサーチ一般

, ,

前のページに戻る