VaR (Value at Risk)在风险管理领域一直深受银行业和金融机构的重视,GARCH模型对VaR的测量是一个重要研究领域。然而在实际应用中,利用传统参数GARCH模型建模时需要指定条件分布形式,一旦分布指定错误将会导致模型失效。因此,我们在标...VaR (Value at Risk)在风险管理领域一直深受银行业和金融机构的重视,GARCH模型对VaR的测量是一个重要研究领域。然而在实际应用中,利用传统参数GARCH模型建模时需要指定条件分布形式,一旦分布指定错误将会导致模型失效。因此,我们在标准的GARCH(1,1)模型下,结合累积经验分布函数对残差进行修正,避免了传统参数分布由于事先指定错误带来的模型风险。经过实证研究发现,我们采用的方法比指定参数分布下的标准GARCH(1,1)模型在测量VaR方面有了很大改进,其失败频率和相对误差都显著降低。因此,文中采用这种创新的尾部分布形式在估计VaR值方面具有一定的实际应用价值。展开更多
在单接收天线下,针对频率选择性衰落信道下空时分组码(STBC)的盲识别问题,提出了一种基于Kolmogorov-Smirnov(K-S)检测的有效算法。该算法以经验累积分布函数作为特征函数,通过K-S检测经验累积分布函数之间的距离,达到识别空时分组码的...在单接收天线下,针对频率选择性衰落信道下空时分组码(STBC)的盲识别问题,提出了一种基于Kolmogorov-Smirnov(K-S)检测的有效算法。该算法以经验累积分布函数作为特征函数,通过K-S检测经验累积分布函数之间的距离,达到识别空时分组码的目的。在不同调制方式、采样因子和置信区间的条件下分别对算法进行仿真并讨论其性能,结果表明,该算法性能较好,在信噪比大于6 d B时可达到90%以上的正确识别概率,在非合作通信方面具有一定的实用价值。展开更多
文摘VaR (Value at Risk)在风险管理领域一直深受银行业和金融机构的重视,GARCH模型对VaR的测量是一个重要研究领域。然而在实际应用中,利用传统参数GARCH模型建模时需要指定条件分布形式,一旦分布指定错误将会导致模型失效。因此,我们在标准的GARCH(1,1)模型下,结合累积经验分布函数对残差进行修正,避免了传统参数分布由于事先指定错误带来的模型风险。经过实证研究发现,我们采用的方法比指定参数分布下的标准GARCH(1,1)模型在测量VaR方面有了很大改进,其失败频率和相对误差都显著降低。因此,文中采用这种创新的尾部分布形式在估计VaR值方面具有一定的实际应用价值。
文摘在单接收天线下,针对频率选择性衰落信道下空时分组码(STBC)的盲识别问题,提出了一种基于Kolmogorov-Smirnov(K-S)检测的有效算法。该算法以经验累积分布函数作为特征函数,通过K-S检测经验累积分布函数之间的距离,达到识别空时分组码的目的。在不同调制方式、采样因子和置信区间的条件下分别对算法进行仿真并讨论其性能,结果表明,该算法性能较好,在信噪比大于6 d B时可达到90%以上的正确识别概率,在非合作通信方面具有一定的实用价值。
