楼主: cescelia
4412 2

[其他] VaR 在尖峰厚尾的情况下(非对称laplace分布,极值理论) [推广有奖]

  • 2关注
  • 2粉丝

硕士生

18%

还不是VIP/贵宾

-

威望
0
论坛币
178 个
通用积分
3.0638
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
2570 点
帖子
80
精华
0
在线时间
164 小时
注册时间
2010-11-3
最后登录
2020-12-7

楼主
cescelia 在职认证  发表于 2012-7-23 21:20:25 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
最近看到一些文章是研究VaR的风险管理的,在探讨问题的过程中,大部分都有讨论分布函数的特性(并不服从正态分布),反而多数具有尖峰厚尾的特性,因此会设计在非正态分布的情况下来探讨对VaR的计算。

然而却发现,非正态分布的探讨也分了两个:一个是非对称的Laplace分布,一个是在极值理论背景下的广义帕累托分布;对比了一下,其实原理差不多,但是为什么没人对这两个分布进行对比说明呢?
或者我没有发现其中的玄机?

求高手赐教!!!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:Laplace place 极值理论 PLA LAC 分布函数 正态分布 风险管理 文章 玄机

回帖推荐

Akisa 发表于3楼  查看完整内容

往往我用的MC的方法或者一些随机过程方法解这个问题。要么就是Machine Learning~其实吧,这些东西做论文很好看,没太大的实际作用。

本帖被以下文库推荐

沙发
ermutuxia 发表于 2012-10-17 14:49:50
因为基于正态分布的统计量可能统计性质更好一些!

藤椅
Akisa 发表于 2012-10-17 21:01:54
往往我用的MC的方法或者一些随机过程方法解这个问题。要么就是Machine Learning~其实吧,这些东西做论文很好看,没太大的实际作用。
已有 1 人评分经验 论坛币 收起 理由
胖胖小龟宝 + 10 + 10 热心帮助其他会员

总评分: 经验 + 10  论坛币 + 10   查看全部评分

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群
GMT+8, 2026-1-9 03:23