VaR与ES风险分析法之比较 ——以我国商业银行汇率风险度量为例

介绍了VaR风险分析法和ES风险度量法,给出了它们各自的计算模型,并对这两种方法各自的特点进行了对比.以我国对人民币汇率机制改革之日(2005年7月21日)起到2010年6月25日结束这段时期内由中国人民银行网站公布的人民币对美元和欧元汇率的中间价作为模型计算的样本观测值,计算了VaR模型和ES模型的相关指标并进行了对比分析.结果表明,从某种意义上讲,ES风险度量法-是一种较之VaR风险分析法更实用的风险度量工具,可为我国商业银行汇率风险管理提供更有价值的参考.     

我国中小板市场在险价值量的实证研究——基于GARCH-VaR模型

GARCH类模型能够比较好的描述股市收益率的动态变化特征,捕捉股市的集丛效应和非对称性,基于GARCH模型计算VaR已经成为金融市场风险管理的一种主流方法。基于不同分布假设,以常用的4种GARCH类模型来拟合我国中小板综合指数收益率,分别估计不同模型下的VaR值,综合分析最后得出了t分布假设下的GARCH模型能比较好的反映我国中小板的市场风险的结论。     

基于GARCH模型的电力市场价格风险测度研究

有效地评估电力市场价格波动风险是电力市场风险管理的基础。在对电价的基本特征及其影响因素综合分析的基础上,建立了考虑电价多季节、异方差、波动集聚、尖峰厚尾及其与负荷相关性的GARCH-VaR计算模型,以正态分布、t分布、有偏t分布和广义误差分布（GED）为例,分析了残差的概率分布设定对VaR估计精度的影响。对PJM电力市场历史数据的分析表明：低置信水平下GED分布的估计结果较为精确,高置信水平下t分布的估计结果更加有效,考虑残差的偏度可在一定程度上改善VaR的估计精度。     

一种改进的基于社团发现的贝叶斯众包模型

在众包模型中,通常将每个工人的融合矩阵视为潜在的变量,采用贝叶斯后验分布对参数进行估计.由于融合矩阵数量多并且规模大,因此众包模型的计算量非常大.该文将所有的工人按照相似性划分为若干社团,每个社团中的所有工人采用相同的融合矩阵.在众包模型参数的计算中,采用贝叶斯后验分布方法进行推导,应用消息传递算法计算每个参数的近似间隔分布,并且应用最大间隔似然模型选择工人集合中的最优社团数量.实验表明,本文提出的基于社团的贝叶斯众包模型与其他相关研究相比在降低了算法的复杂度同时也提高了算法的准确性.     

基于VaR-GARCH模型族的我国豆粕期货市场风险分析

对大连期货市场豆粕期货每个交易日价格的波动进行分析,利用VaR风险值方法和GARCH模型族,建立了基于VaR-GARCH模型族的豆粕期货市场风险评估模型.通过实证分析,发现豆粕期货的收益率具有尖峰厚尾聚集波动的特性,并在收益率为3种不同分布的假设下,比较相应的VaR估计值,最后得出当收益分布为广义误差分布时,用VaR-EGARCH模型能更好的刻画豆粕期货的市场风险.     

LDD MOSFET表面横向电场模型及其应用

本文提出了一种计算LDD(Light-Doped Drain)MOSFET表面横向电场的解析模型.该模型含LDD MOSFET几何和掺杂参数,可用以计算具有不同长度、结深及掺杂的轻掺杂漏区的LDD MOSFET表面横向电场,并可计算常规MOSFET和缓交漏MOSFET的表面横向电场.用该模型算得结果与用FD-MINIMOS进行数值计算得到的结果相符.基于该模型算得的电场结果,可计算衬底电流,并进而计算击穿电压.该模型可十分简便地确定LDDMOSFET的最佳几何参数的掺杂参数,为LDD MOSFET的设计提供便利的工具和快速的参数提取方法.     

激光照射下生物组织解冻过程的理论分析

将激光传输的七流模型和固液相变传热的等效热容法相结合,提出了激光照射下生物组织解冻过程的二维数值计算模型.数值计算结果与有关分析解进行了比较,吻合良好.最后,运用此模型考察了生物组织光学性质和激光照射参数对激光照射所引起的组织解冻过程的影响.     

改进电路模拟法的应用——同构混合开关拓扑辨识

提出了一种基于已有图同构判定算法--电路模拟法的改进方法,并将其应用到同构混合开关拓扑的辨识中. 首先介绍混合开关拓扑的数学描述方法,给出混合开关拓扑的邻接矩阵表示及其相应的含权无向图表示,由此将同构混合开关拓扑的辨识问题转换为与其对应的含权无向图的同构判定问题,继而采用所提出的改进电路模拟法加以判定. 在同样环境下对改进的电路模拟法及另一种混合开关拓扑同构判定方法--特征值判定法进行测试比对,测试结果表明该方法在处理同构混合开关拓扑辨识问题上是有效的,并且在判定速度和节点匹配能力上有较大的优势.     

一种基于神经网络模型的非线性自适应控制系统参数辨识算法

应用神经网络BP算法建立了系统参数模型,以被控对象的控制量和系统输出作为神经网络模型的输入,经过神经网络的隐层和输出层的前向计算以及误差的反向传播采不断修整模型的权值,将非线性系统时变参数的变化规律转化为神经网络参数模型,反映了参数随状态而变的规律;再结合文献[5]已知模型下PID控制参数的计算,推导出一种更具有应用性的系统参数辨识算法.通过在计算机上对非线性系统仿真,结果表明了这种的系统参数辨识算法有效性.     

基于升力面混合模型的水平轴风力机性能研究

提出了叶素方法（BEM）与升力面法相结合的一种新型混合模型．将叶片用一平面代替,并在叶片平面上采用压力跳跃边界条件,混合模型将CFD解算器与叶素方法（BEM）联合起来进行迭代求解,首先采用BEM模块根据入流条件和叶片各段面翼型的气动参数确定叶片上的不连续分布压力,然后采用CFD模型根据压力分布计算叶片上的力和转轮的流场尾迹结构等流场参数,CFD计算得到的流场参数再应用到BEM模块进行计算．每次迭代得到的流场参数与上次得到的值进行比较,残差达到要求则迭代过程结束．将该混合模型用于求解NREL第6期风力机出力性能,并与试验结果对比,得到了满意的效果．