本文开发了一个条件分位数模型，可以学习序列数据的长期和短期记忆。 它建立在顺序神经网络上，但输出可解释的动态。 我们使用 1960 年代至 2018 年的历史数据将该模型应用于 11 个资产类别的资产回报时间序列。我们的结果表明，它不仅提取了条件波动率中的序列依赖结构，还提取了深埋在历史价格尾部的记忆。 我们根据广泛的流行模型进一步评估其风险价值预测。 我们的模型优于 GARCH 系列以及使用过滤历史模拟、条件极值理论和动态分位数回归的模型。 这些研究表明，资产回报的条件分位数具有持续的风险来源，而这些来源并非来自那些负责波动性聚类的人。 这些发现可能对一般风险管理，尤其是尾部风险预测具有重要意义。
2021-12-26 22:02:48
577KB
1
陕西省2021年口腔助理医师《牙体牙髓病学》讲义：深龋并发症及处理试题分享.pdf
2021-12-25 11:00:25
19KB
该小程序可以在AUTOCAD软件内进行平均水深法计算疏浚工程量，如自动计算工程量并生成EXCEL表格、自动画方格网分割线等功能，对从事疏浚挖泥行业的相关人士肯定有所帮助。
2021-12-24 17:01:55
42.28MB