دانلود ترجمه مقاله استفاده از درخت تصمیم گیری پارامتریک برای انتخاب مدل با اپلیکیشن برای مدیریت ریسک مالی

ELSEVIER
سال انتشار :
2016
تعداد صفحات مقاله انگلیسی :
39
نشریه :
ELSEVIER
تعداد رفرنس ها :
33
نوع مقاله :
مقاله ISI
کلمات کلیدی :
امور مالی ، تقسیم بندی، ماندگاری، چوله-دانشجویی
عنوان فارسی :

استفاده از درخت تصمیم گیری پارامتریک برای انتخاب مدل با اپلیکیشن برای مدیریت ریسک مالی

عنوان انگلیسی :

Using Parametric Classification Trees For Model Selection with Applications to Financial Risk Management

وضعیت ترجمه :
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0377221716309018

سال انتشار : 2016

تعداد صفحات مقاله انگلیسی : 39

نشریه : ELSEVIER

تعداد رفرنس ها : 33

نوع مقاله : مقاله ISI

ترجمه : انجام نشده. سفارش ترجمه تخصصی این مقاله

کلمات کلیدی : امور مالی ، تقسیم بندی، ماندگاری، چوله-دانشجویی

عنوان فارسی : استفاده از درخت تصمیم گیری پارامتریک برای انتخاب مدل با اپلیکیشن برای مدیریت ریسک مالی

عنوان انگلیسی : Using Parametric Classification Trees For Model Selection with Applications to Financial Risk Management

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0377221716309018



فهرست مطالب
1- مقدمه 2- مروری بر ادبیات 3- توزیع بتا چولگی دانشجویی عمومی و چند متغیره 4- روش تست فرضیه براساس درخت تصمیم گیری پارامتریک 5- توصیف داده 6- بررسی تجربی دسته بندی با بازدهی اوراق بهادار 7- نمونه کارهای مدیریت ریسک تحت توزیع چند متغیره دانشجویی 8- بحث و نتیجه گیری

چکیده انگلیسی
Abstract We describe two parametric classification tree methods, which allow formal selection of a member of a class of generalised distributions. In the paper we consider Generalised Beta distributions for non-negative random variables and the Generalised skew-Student distribution for random variables distributed on the real line. We introduce a class of symmetric generalised multivariate Student distributions, members of which may also be selected using the classification trees. We present two versions of the parametric classification tree: specific to general and general to specific. We apply the classification methods to daily returns on stocks from a selection of 15 major, mid-cap and emerging markets. The results show that the majority of return distributions follow Student‘s t, but that a non-negligible minority follow a symmetric generalised Student distribution. We confirm a well-known stylised fact about skewness: it tends not to be persistent. By contrast, kurtosis is persistent. Using the symmetric generalised multivariate Student distribution, we present a risk management study based on efficient portfolios constructed from UKFTSE250 stocks and specifically concerned with the computation of value at risk. The case study demonstrates that the model selection procedures based on the classification trees lead to more accurate computation of VaR than those based on the normal distribution or on non-parametric approaches. The study also shows that the normal distribution may be used for VaR computations for larger portfolios when the holding period is longer.

چکیده فارسی
چکیده- ما دو روش درخت تصمیم گیری پارامتریک، که انتخاب رسمی یک عضو از یک کلاس توزیع عمومی را اجازه می دهد، توصیف می کنیم. در این مقاله ما ، توزیع بتای عمومی را برای متغیرهای تصادفی غیرمنفی در نظر گرفتیم و توزیع چولگی دانشجویی عمومی برای متغیرهای توزیع شده در خط واقعی لحاظ نمودیم. ما یک کلاس توزیع دانشجویی چند متغیره متقارن تعمیم یافته که اعضای آن ممکن است با استفاده از درخت تصمیم گیری انتخاب شوند، معرفی می کنیم. ما در حال حاضر دو نسخه از درخت تصمیم گیری پارامتریک را ارائه می دهیم: خاص به کل و کل به خاص. ما روش روش تصمیم گیری به بازده روزانه را به فاصله یک انتخاب از 15 انتخاب اصلی، اعمال می کنیم. نتایج نشان می دهد که اکثر توزیع های بازگشتی t مستقل را دنبال می کنند، اما این موضوع یک اقلیت غیر قابل اغماض یک توزیع دانشجوی عمومی متقارن می باشد. نتایج ما یک واقعیت شناخته شده ای را تایید می کند: این امر منجر به ماندگاری نمی شود. در مقابل، بیشترین مقدار (نقطه اوج) مداوم است. با استفاده از توزیع عمومی چند متغیره دانشجویی، ما در حال حاضر یک مطالعه مدیریت ریسک براساس اوراق بهادر کارآمد ساخته شده از سهام UKFTSE250 انجام دادیم. مورد مطالعاتی نشان می دهد که روش ها انتخاب مدل براساس درختهای تصمیم گیری منجر به محاسبه دقیق تر ارزش VaR نسبت به آنهایی که براساس توزیع نرمال و یا براساس روشهای غیر پارامتریک می باشند، ارائه می دهند. این مطالعه همچنین نشان می دهد که توزیع نرمال که ممکن است برای محاسبات ارزش VaR برای اوراق بهادر بزرگ استفاده شود که دوره ی برگزاری طولانی تری دارد.