This paper develops and employs a t

This paper develops and employs a two-sided Weibull distribution to capture
potential skewness and fat-tailed behaviour in the conditional financial return distribution,
for the purposes of risk measurement and management, specifically focusing
on the forecasting of Value at Risk and conditional Value at Risk measures.
Four volatility model specifications, including both symmetric and nonlinear versions,
are considered to capture heteroskedasticity. An adaptive Bayesian Markov
Chain Monte Carlo scheme is devised for estimation and inference while forecasting
also employs this framework

Kết quả (Việt) 1:

Bài báo này phát triển và sử dụng một phân bố Weibull hai mặt để nắm bắttiềm năng skewness và chất béo đuôi hành vi c├│ g├¼ trở về tài chính có điều kiệncho mục đích đo lường rủi ro và quản lý, đặc biệt tập trungdự báo giá trị rủi ro và các giá trị có điều kiện lúc nguy cơ các biện pháp.Bốn đặc điểm mô hình biến động, bao gồm cả phiên bản đối xứng và phi tuyến,được coi là để nắm bắt heteroskedasticity. Một thích nghi Bayes MarkovChuỗi Monte Carlo đề án đưa ra cho dự toán và suy luận trong khi dự báocũng sử dụng khuôn khổ này

Kết quả (Việt) 2:

Giấy này phát triển và sử dụng một phân phối Weibull hai mặt để nắm bắt
skewness tiềm năng và hành vi của chất béo đuôi trong việc phân phối lợi nhuận tài chính có điều kiện,
với mục đích đo lường rủi ro và quản lý, đặc biệt tập trung
vào các dự báo của Value at Risk và giá trị có điều kiện có nguy cơ biện pháp.
Bốn thông số kỹ thuật mô hình biến động, bao gồm cả phiên bản đối xứng và phi tuyến,
được coi là để nắm bắt heteroskedasticity. An adaptive Bayesian Markov
Chain Monte Carlo đề án được nghĩ ra để đánh giá và suy luận trong khi dự báo
cũng sử dụng khuôn khổ này