Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-fin > arXiv:2105.12432v1

帮助 | 高级搜索

定量金融 > 风险管理

arXiv:2105.12432v1 (q-fin)
[提交于 2021年5月26日 ]

标题: 使用神经网络评估资产-负债风险

标题: Assessing asset-liability risk with neural networks

Authors:Patrick Cheridito, John Ery, Mario V. Wüthrich
摘要: 我们引入一种神经网络方法,用于评估给定时间段内资产和负债组合的风险。 这需要在后续时间的世界状态条件下对组合进行条件估值,如果组合包含结构化产品或复杂保险合同,而这些产品无法得到闭式估值公式,则这个问题尤其具有挑战性。 我们在银行和保险的不同示例中展示了该方法。 我们关注风险价值和预期亏损,但该方法也适用于其他风险度量。
摘要: We introduce a neural network approach for assessing the risk of a portfolio of assets and liabilities over a given time period. This requires a conditional valuation of the portfolio given the state of the world at a later time, a problem that is particularly challenging if the portfolio contains structured products or complex insurance contracts which do not admit closed form valuation formulas. We illustrate the method on different examples from banking and insurance. We focus on value-at-risk and expected shortfall, but the approach also works for other risk measures.
主题: 风险管理 (q-fin.RM) ; 计算金融 (q-fin.CP)
引用方式: arXiv:2105.12432 [q-fin.RM]
  (或者 arXiv:2105.12432v1 [q-fin.RM] 对于此版本)
  https://doi.org/10.48550/arXiv.2105.12432
通过 DataCite 发表的 arXiv DOI
期刊参考: Risks 2020, 8, 16
相关 DOI: https://doi.org/10.3390/risks8010016
链接到相关资源的 DOI

提交历史

来自: Patrick Cheridito [查看电子邮件]
[v1] 星期三, 2021 年 5 月 26 日 09:41:51 UTC (72 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
q-fin.RM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2021-05
切换浏览方式为:
q-fin
q-fin.CP

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号