金融资产的CVaR风险的区间估计及假设检验

基于CVaR风险计量技术,论述了正态分布下风险资产的CVaR假设检验方法及置信区间求法,最后用中信指数对我国股市风险情况作了区间估计及显著性检验的实证分析。

基于类中心思想的去边缘模糊支持向量机

针对两类分类问题中样本点数量多、类别模糊且有孤立野点的情况,论文在类中心向量方法的基础上,提出了一种基于类中心思想的去边缘模糊支持向量机,该方法用类中心思想预先去掉那些可能不是支持向量的点,并采用降半哥西分布作为隶属度,使其适合模糊分类的性能特点。从理论和实证分析两个方面将该方法与线性可分SVM及模糊SVM进行了对比分析,结果显示该方法不但大大减少了训练点数目,从而减小了内存和计算量,提高了训练速度,而且减少了孤立野点对支持向量分类机的影响。

金融资产的VaR和CVaR风险的优良估计

本文利用统计理论的优良点估计方法来估计金融市场风险的VaR和CVaR,既可避开现有方法中大量的模拟计算和参数估计等工作,又可提高估算精度。在资产-正态模型下,根据不同的风险估计要求,对金融资产的这两种风险分别提供了三种优良估计,即一致最小方差无偏估计,最佳线性次序统计量无偏估计,最佳线性次序统计量同变估计,并提供了实证分析。

预抽取相对较近边界向量的选块算法

利用支持向量机中支持向量的稀疏性和支持向量分布于分划超平面周围的性质,该文提出了一种预抽取相对较近边界向量的选块算法的新算法,该算法减少了普通选块算法的迭代次数和提高了仅依靠相对较近边界向量的准确率,从而大大加快了支持向量机的训练速度,且支持向量机的分类能力不受任何影响。

风险资产组合的均值—M有效前沿及其实证分析

本文基于由Carlo Acerbi(2002)提出的一类一致性风险度量—谱风险测度M,给出了谱风险测度的一些性质及构造谱密度的一种具体形式;重点讨论了正态情形下风险资产组合的均值—M有效前沿,探讨了其经济含义,并与经典的均值—方差有效前沿进行了对比研究,获得了若干深入的结果。由于期望短缺ES是特殊的谱风险测度,因此其对应的有效前沿是本文结果的特例。最后,本文利用前面的结论对深市和沪市的风险资产组合的均值—M有效前沿作了实证分析。

基于最小超球体的快速分类法

文章提出了两种快速分类的方法——基于最小超球体的平分最近点法和基于最小超球体的按比例划分法。前者只对分别包含正、负类训练点的两类超球体线性可分的情形有效,后者则适用于线性可分和近似线性可分的两类分类问题,且在确定分划超平面时融入了对训练集分布特征的考虑。两种方法皆借鉴了平分最近点法的思想,结合超球体的几何特征,用解析几何方法就可求得分划超平面,从而避免了求解二次规划,大大缩短了训练时间,减小了内存占用量,尤其在处理大规模数据集时优势更为明显。两种方法的特点及其和平分最近点法的对比在实证中都给予了分析说明。