Evaluating the RiskMetrics Methodology in Measuring Volatility and Value-at-Risk in Financial Markets
我们分析了Riskvalues的表现，这是一种广泛使用的衡量市场风险的方法。基于收益率服从正态分布的假设，Riskstrike模型完全忽略了分布函数中厚尾的存在，而厚尾是金融数据的一个重要特征。然而，人们普遍发现，风险管理表现令人满意，因此该技术已被广泛用于金融行业。然而，我们发现，风险管理的成功是选择的风险措施的神器。首先，波动率估计的出色表现基本上是由于选择了一个非常短的（提前一个时期）预测范围。第二，通过简单地将波动率乘以常数因子来获得风险价值的令人满意的性能主要是由于特定的显著性水平的选择。
2001-03-05 cond-mat.stat-mech q-fin.RM
Risk measuring under liquidity risk
我们提出了一个衡量流动性风险的一般框架。该理论框架定义了一类风险度量，将流动性风险纳入标准风险度量。我们考虑一个单期风险度量模型。流动性风险定义为金融机构无法轻易出售或购买特定证券或证券组合而不导致价格发生重大变化的风险。新的风险衡量标准与标准风险衡量标准存在一些差异。特别是，他们是增加单调和凸现金子添加的多头头寸。相反，在某些情况下，对于卖出头寸来说，情况正好相反。对于多头头寸的情况，我们提供了这些新的风险度量的双重表示。在某些特定情况下，卖出头寸也可以配备双重表示。我们将我们的框架应用于金融机构将大型交易分解为许多小型交易的情况。还得到了对偶表示的结果。我们给出了许多风险度量的实际例子，并为每一个风险度量导出了相应的资本要求。作为一个特殊的例子，我们讨论了VaR度量。
2014-12-21 q-fin.MF q-fin.RM
Modeling and measuring incurred claims risk liabilities for a multi-line property and casualty insurer
我们提出了一个随机模型，允许财产和意外伤害保险公司与多个业务线，以衡量其负债的已发生索赔风险，并计算相关的资本要求。我们的模型包括许多理想的功能，使再现损失率动态的经验性质。例如，我们的模型集成了一个双广义线性模型依赖于事故学期和发展滞后的影响，以代表的平均值和分散的损失率分布，损失率之间的自相关结构的各种发展滞后，和一个分层copula模型驱动的依赖性在各个业务线。该模型允许对损失三角形进行联合模拟，并通过风险度量对整体投资组合风险进行量化。因此，与经济资本要求相关的多元化利益可根据允许确认该利益的国际财务报告准则第17号计量。然后说明了基于欧拉分配原则的跨业务线的资本分配。我们的模型的实施是通过估计其参数的基础上从一般保险统计局（GISA）获得的汽车保险数据，并进行数值模拟，其结果，然后提出。
2020-07-14 q-fin.RM
Measuring Systemic Risk: Robust Ranking Techniques Approach
在这项研究中，我们引入了一个强大的指标，以确定系统重要性金融机构（SIFI）在金融网络中，考虑到共同的特质冲击和传染，通过交易对手暴露。我们开发了一个有效的算法来排名金融机构制定一个不动点问题，并将其减少到一个非光滑凸优化问题。然后，我们研究了所提出的度量的底层分布，并通过使用不同的金融网络结构来分析算法的性能。总体而言，我们的研究结果表明，金融网络中的机构的互联水平和地位是衡量系统性风险和识别SIFIs的重要因素。结果表明，增加一个机构的外和内的程度连接的水平可以有不同的影响，其系统排名。此外，在实证方面，我们使用每个国家最大银行的面板数据集来研究导致识别全球系统性重要银行（G-SIB）的因素。我们的实证结果支持了理论模型的主要发现。
2017-02-22 q-fin.RM
Measuring and Analysing Marginal Systemic Risk Contribution using CoVaR: A Copula Approach
本文主要研究金融机构对整个金融系统风险的边际贡献。我们的工作扩展了Adrian和Brunnermeier提出的CoVaR概念，作为衡量边际系统性风险贡献的工具。首先给出了CoVaR_α^{s| L^i=l}。我们的定义通过表示CoVaR_α^{s}改进了CoVaR概念|L^i=l}分别作为状态l和相对于i和s的给定概率水平α的函数。基于Copula理论，我们将CoVaR_α^{s| L^i=l}通过它们的概率解释和定义（条件概率）对Copula的偏导数。在此基础上，我们给出了计算CoVaR_α^{s| L^i=l}对于一大类（边际）分布和相关结构（线性和非线性）。我们的公式允许使用CoVaR更好地分析系统性风险，因为它允许定义CoVaR_α^{s| L^i=l}分别取决于i和s的损失的边际分布以及L^i和L^s之间的copula。我们讨论的背景下，量化和分析的系统性风险贡献的影响。这使得，例如，我们将分析，L^i，L^s和C，对i的风险贡献的边际效应。
2012-11-24 q-fin.RM
Risk measuring under model uncertainty
本文的研究框架是不确定性下的风险度量，即不给出参考概率测度时的风险度量。对于${\cal C}_b(Ω)$上的每一个正则凸风险测度，我们关联了Borel集上的概率测度的唯一等价类，刻画了${\cal C}_b(Ω)$的无风险非正元素.我们证明了凸风险测度具有一个对偶表示，它具有一个可数的概率测度集，这些概率测度关于这类中的某个概率测度是绝对连续的。为了得到这些结果，我们研究了Banach空间$L^1(c)$与容量$c$相关联的对偶的拓扑性质。作为应用，我们得到了每个$G$ -期望$\E$都有一个表示，该表示具有关于概率测度$P$绝对连续的可数概率测度集，使得$P(|f|)=0$当且仅当$\E(|f|)=0$ .我们也将我们的结果的情况下，不确定的波动。
2010-12-28 math.PR q-fin.RM
RiskRank: Measuring interconnected risk
本文提出RiskRank作为周期性和横截面系统性风险的联合度量。RiskRank是一个通用的聚合运算符，同时考虑各个实体的风险水平及其相互关联性。该措施依赖于将系统性风险分解为子组成部分，然后使用一套风险措施及其关系进行评估。出于这个目的，出于Choquet积分的发展，我们采用RiskRank函数来聚合风险度量，允许在聚合过程中整合不同因素的相互关系。RiskRank的使用是通过一个真实世界的情况下，在欧洲的设置，我们表明，它表现良好，在样本分析。在这个例子中，我们提供了一个估计的系统性风险，从国家层面的风险和跨境联系。
2016-01-22 q-fin.CP q-fin.MF q-fin.RM
Hedging Against the Interest-rate Risk by Measuring the Yield-curve Movement
采用多项式插值方法，通过度量收益率曲线的平移、旋转和扭曲等非平行运动，提出了一种无违约债券的利率风险对冲方法。实证分析表明，我们的套期保值策略与传统的久期凸性策略相当，甚至更好，当我们手头有更多合适的套期保值工具。文章表明，这种策略是灵活和稳健的，以应对利率风险，并可以帮助微调的立场，随着时间的变化。
2013-12-24 q-fin.GN q-fin.PM q-fin.RM
Measuring Model Risk
我们建议将分布模型风险解释为预期损失对风险因子分布变化的敏感性，并通过最大预期损失来衡量投资组合的分布模型风险。发散度可以是相对熵、Bregman距离或$f$ -发散度。我们给出了计算分布模型风险的公式，并明确确定了最坏情况下的分布从一组合理的分布。我们还给出了公式描述模糊厌恶决策者的分歧偏好的评估。
2013-01-21 cs.IT math.IT q-fin.RM
CEI: a new indicator measuring City Commercial Credit Risk initiated in China
中国城市商业环境信用指数（China City Commercial Environment Credit Index，简称CEI）是2010年首次提出并建立的一个概念，旨在量化和评价中国大陆各城市的区域商业环境与经济发展水平。在这篇手稿中，包括CEI的历史回顾和详细介绍，然后进行统计研究。特别是，一个独立的统计交叉检查现有的CEI-2012进行和重要的因素，发挥最有影响力的角色进行了讨论。
2015-05-17 q-fin.RM q-fin.ST
Measuring and hedging financial risks in dynamical world
金融市场已经发展了许多策略来控制市场波动引起的风险。数学已经成为解决金融中资产定价模型和对冲策略等基本问题的领先学科。历史始于布莱克和斯科尔斯提出的零风险范式，即未来支付的任何随机金额都可以被动态投资组合复制。在实际应用中，由于信息的缺乏，在模型校正时会出现不适定问题。现实世界更加复杂，需要新的定价和对冲方法。在过去的20年里，基于超复制（完美或相对于置信水平）和优化，这个具有挑战性的问题产生了深入而密集的学术研究。在理论与实践的相互作用中，蒙特卡罗方法被重新审视，新的风险度量方法被重新测试。这些典型的例子给出了一些见解，如何可能在金融风险管理中使用数学。
2003-05-01 math.PR q-fin.RM
Measuring Tail Risks
针对现有尾部风险度量需指定置信水平的问题，提出基于风险事件最可能最大规模（MPMR）的度量方法，推导其分布特性与尾部指数估计方式，可用于金融与自然灾害风险评估。
2022-11-10 q-fin.RM q-fin.ST
Measuring risk contagion in financial networks with CoVaR
本文针对金融网络风险传染测度问题，构建二分图金融网络模型，结合厚尾分布与copula模型刻画资产收益特征，研究CoVaR的渐近行为并提出极端CoVaR指数，通过两类经典copula模型验证了方法的有效性。
2025-05-22 math.PR q-fin.RM
Measuring Transition Risk in Investment Funds
我们制定了一个全面的框架来衡量气候变化对投资组合的影响。我们的分析通过包括地理，行业，公司和ISIN级别的数据来评估转型风险而得到丰富。我们发现，投资基金遭受温和的5.7%的损失后，实现了高转型风险的情况。然而，风险分布是显著左偏的，最差的1%基金经历了21.3%的平均损失。就资产类别而言，股票表现最差（-12.7%），其次是公司债券（-5.6%）和政府债券（-4.8%）。我们通过考虑特定交易对手的碳足迹以及个别风险敞口的信用评级、期限、凸度和波动性来区分金融工具。我们发现，可持续发展基金面临的转型风险较小，在低碳转型中的表现优于整体基金行业，这验证了他们作为绿色投资的选择。
2022-12-02 econ.GN q-fin.EC q-fin.PM
Measuring and Managing Carbon Risk in Investment Portfolios
本文研究了碳风险对股票定价的影响。为了解决这个问题，我们考虑了Görgen \textsl{et al.}（2019）的开创性方法，他提出通过碳贝塔来估计股票的碳金融风险。为了实现这一目标，主要任务是开发一个棕色减绿色（或BMG）的风险因素，类似于Fama和French（1992）。其次，我们必须使用多因子模型来估计碳β。虽然Görgen \textsl{et al.}（2019）认为碳β是恒定的，但我们提出了一个随时间变化的估计模型来评估碳风险的动态。此外，我们测试的BMG因素的几个规格，以了解气候变化相关的尺寸定价的股票市场。在文章的第二部分，我们重点研究了投资组合的碳风险管理。首先，我们分析了碳风险如何影响最小方差投资组合的构建。由于这一投资组合的目标是减少投资的无回报金融风险，因此将碳风险纳入这一方法可以实现这一目标。其次，我们提出了一个新的框架，以建立增强的指数投资组合，具有较低的碳风险比资本加权股票指数。最后，我们探讨了碳敏感性如何提高因子投资组合的稳健性。
2020-08-30 q-fin.PM q-fin.PR q-fin.RM
Measuring Strategy-Decay Risk: Minimum Regime Performance and the Durability of Systematic Investing
University of Virginia（弗吉尼亚大学）；Johns Hopkins University’s Carey Business School（约翰斯·霍普金斯大学凯瑞商学院）
本文提出通过最低制度表现（MRP）评估系统性投资策略的持续性，揭示效率与稳健性之间的权衡，为管理策略衰减风险提供新视角。
2026-04-09 q-fin.PM q-fin.RM stat.AP
Measuring tail risk at high-frequency: An $L_1$-regularized extreme value regression approach with unit-root predictors
我们研究高频金融市场的尾部风险动态及其与交易活动和市场不确定性的联系。我们引入了一个动态极值回归模型，同时容纳固定和本地单位根预测，以适当地捕捉高频极端损失的分布随时间变化的行为。为了表征交易活动和市场的不确定性，我们考虑了几个波动性和流动性预测，并提出了一个两步自适应$L_1$正则化最大似然估计选择最合适的。我们建立了Oracle属性的建议估计选择平稳和本地单位根预测，并显示其良好的有限样本性质在广泛的模拟研究。研究了9只流动性大的美国股票的高频极端损失，使用42个流动性和波动性预测因子，我们发现，极端损失的严重性可以很好地预测在流动性和波动性高波动时期的低水平的价格影响。
2023-01-03 econ.EM q-fin.RM stat.ML
Measuring Price Risk Aversion through Indirect Utility Functions: A Laboratory Experiment
本文介绍了一个理论框架，通过该框架，可以通过间接效用函数（IUF）的背景下，使用实验室实验测量的风险规避程度相对于不确定的价格。本文首先介绍了经济学中二元理论的主要内容。接下来，它提出了一个合适的框架，通过不同的价格，而不是不同的回报，这一直是实验经济学的主流惯例来衡量价格风险规避的背景下，IUF。事实上，现代微观经济学中的DT表明，直接效用函数（DUF）和IUF是对偶的，这暗示着给定理性主体在DUF背景下表现出的风险厌恶（或风险寻求）程度必须等同于通过IUF背景引发的风险厌恶（或风险寻求）程度。本文通过一系列相关的统计检验，通过实验室实验来检验这一理论预测的准确性。本研究使用多重价格表（MPL）的方法，这一直是在实验经济学中最流行的一套启发程序，研究风险偏好在实验室使用非交互式设置。本研究的主要发现表明，价格风险厌恶（PrRA）是统计上显着大于回报风险厌恶（PaRA）。此外，它表明，风险偏好下引出的期望效用理论（EUT）是有点受上下文。其他研究结果意味着，风险溢价（RP），作为一种衡量愿意支付保险不确定的情况下，是统计上显着更大的随机价格相比，随机回报。这些结果在不同的MPL设计和使用的各种统计检验中具有稳健性。
2022-09-06 econ.GN q-fin.EC q-fin.GN
Measuring Name Concentrations through Deep Learning
提出一种基于深度学习的方法，利用带重要性抽样的Monte Carlo模拟训练神经网络，以量化小型贷款组合中的名称集中度风险，支持精算和盯市损失定义，并在准确性和性能上优于现有分析方法。
2024-11-18 q-fin.GN q-fin.RM
The Risk-Adjusted Intelligence Dividend: A Quantitative Framework for Measuring AI Return on Investment Integrating ISO 42001 and Regulatory Exposure
Prof. Hernan Huwyler, MBA CPA（高级研究员、工商管理硕士、注册会计师）
本文提出一种量化框架，用于衡量AI投资回报，整合ISO 42001和监管暴露，以更准确评估AI项目风险与收益。
2025-11-26 cs.AI cs.CE cs.CY
Measuring Financial Resilience Using Backward Stochastic Differential Equations
University of Amsterdam（阿姆斯特丹大学）；CentER（CENTR研究中心）；EURANDOM（EURANDOM研究所）；University of Milano-Bicocca（米兰比可卡大学）
本文提出通过倒向随机微分方程的生成元期望来衡量金融韧性，分析了韧性率的性质及其在金融中的应用。
2026-01-18 math.PR q-fin.MF q-fin.RM
Estimating financial risk using piecewise Gaussian processes
本文提出了一种通过估计金融序列的风险价值和预期损失来度量金融风险的计算方法。我们做了两个假设：首先，资产价值的预测分布是由变量从类似条件演变的方式的信息决定的，其次，基本的随机过程可以使用分段高斯过程来描述。该方法的性能进行了评估，使用它来估计风险值和ES的日常数据系列取自标准普尔500指数，并应用巴塞尔银行监管委员会建议的回测程序。结果表明，性能令人满意。
2011-12-13 q-fin.RM stat.AP stat.CO
