Quantile autoregression neural network model with applications to evaluating value at risk
Quantile autoregression neural network model with applications to evaluating value at risk
复制标题
分位数自回归神经网络模型及其在风险价值评估中的应用
DOI：
10.1016/j.asoc.2016.08.003
复制
发表时间：
2016-12
影响因子：
8.7
通讯作者：
Yu Keming
中科院分区：
文献类型：
--
作者：
Xu Qifa;Liu Xi;Jiang Cuixia;Yu Keming
我们开发了一个新的分位数自回归神经网络（QARNN）模型的基础上的人工神经网络架构。所提出的QARNN模型是灵活的，可以用来探索时间序列数据中的分位数之间潜在的非线性关系。通过优化近似误差函数和基于标准梯度的优化算法，QARNN递归地输出条件分位数函数。通过对香港恒生指数（HSI）、美国标准普尔500指数（S&P500）和英国《金融时报》股票交易所100指数（FTSE100）三个真实的股票指数的蒙特卡罗模拟研究和实证分析，说明了新模型的实用性。
We develop a new quantile autoregression neural network (QARNN) model based on an artificial neural network architecture. The proposed QARNN model is flexible and can be used to explore potential nonlinear relationships among quantiles in time series data. By optimizing an approximate error function and standard gradient based optimization algorithms, QARNN outputs conditional quantile functions recursively. The utility of our new model is illustrated by Monte Carlo simulation studies and empirical analyses of three real stock indices from the Hong Kong Hang Seng Index (HSI), the US S&P500 Index (S&P500) and the Financial Times Stock Exchange 100 Index (FTSE100).
登录
查看更多内容
影响因子：
2.1
作者：
Gregory Kordas
通讯作者：
Gregory Kordas
DOI：
10.1017/cbo9780511753978.020
发表时间：
1993-06
期刊：
--
影响因子：
--
作者：
Zhuanxin Ding;C. Granger;R. Engle
通讯作者：
Zhuanxin Ding;C. Granger;R. Engle
DOI：
--
发表时间：
2013
期刊：
Journal of Statistical and Econometric Methods
影响因子：
--
作者：
G. Ali
通讯作者：
G. Ali
影响因子：
0.8
作者：
Feng Y;Li R;Sudjianto A;Zhang Y
通讯作者：
Zhang Y
DOI：
10.4028/www.scientific.net/amm.584-586.1017
发表时间：
2014-07
期刊：
Applied Mechanics and Materials
影响因子：
--
作者：
I-Cheng Yeh
通讯作者：
I-Cheng Yeh