CVaR model is the alternative metho

CVaR model is the alternative method used to measure the risk with a discrete loss, and
asymmetry distribution. This research uses a CVaR model instead of Value-at-Risk (VaR) because
Rockafellar and Uryasev (2000) and Krokhmal et al. (2002) showed the superior results of CVaR
over VaR in measuring the risk and solving the optimization problems by the following advantages. Firstly, CVaR is a continuous and convex function that can be used in linear
programming to find the optimization while VaR can be optimized difficultly due to the discrete
function. Secondly, CVaR is concerned with the risk exceeding than VaR and coherent, especially
the extreme losses that reflect in the tail of distribution. Thirdly, CVaR does not need to assume
normal distribution so we can apply CVaR on asymmetric loss and return distributions.

ผลลัพธ์ (ไทย) 1:

รุ่น CVaR เป็นวิธีอื่นที่ใช้ในการวัดความเสี่ยงกับการสูญเสียต่อเนื่อง และความไม่สมดุลการกระจายงาน งานวิจัยนี้ใช้แบบ CVaR แทนค่าที่เสี่ยง (VaR) เนื่องจากRockafellar และ Uryasev (2000) และ Krokhmal et al. (2002) พบว่าผลลัพธ์ที่เหนือกว่าของ CVaRผ่าน VaR ในการวัดความเสี่ยง และแก้ไขปัญหาการเพิ่มประสิทธิภาพ โดยข้อดีต่อไปนี้ ประการแรก CVaR เป็นฟังก์ชันต่อเนื่อง และนูนที่สามารถใช้ในการเชิงเส้นเขียนโปรแกรมเพื่อค้นหาการเพิ่มประสิทธิภาพขณะ VaR สามารถปรับ difficultly เนื่องจากการแยกฟังก์ชัน ประการที่สอง CVaR เป็นกังวลกับความเสี่ยงที่เกิน กว่า VaR และสอด คล้อง โดยเฉพาะอย่างยิ่งการสูญเสียมากที่สะท้อนในหางของการแจกจ่าย ประการที่สาม CVaR ไม่จำเป็นต้องสมมติการแจกแจงปกติดังนั้นเราสามารถใช้ CVaR สูญเสียสมมาตร และส่งกระจาย

ผลลัพธ์ (ไทย) 2:

รุ่น CVaR เป็นวิธีทางเลือกที่ใช้ในการวัดความเสี่ยงกับการสูญเสียที่ไม่ต่อเนื่องและ
การกระจายความไม่สมดุล การวิจัยครั้งนี้ใช้รูปแบบการ CVaR แทนค่าที่มีความเสี่ยง (VaR) เพราะ
Rockafellar และ Uryasev (2000) และ Krokhmal et al, (2002) แสดงให้เห็นผลลัพธ์ที่ดีกว่าของ CVaR
กว่า VaR ในการวัดความเสี่ยงและการแก้ปัญหาการเพิ่มประสิทธิภาพโดยข้อดีดังต่อไป ประการแรก CVaR เป็นฟังก์ชั่นอย่างต่อเนื่องและนูนที่สามารถนำไปใช้ในเชิงเส้น
การเขียนโปรแกรมเพื่อหาการเพิ่มประสิทธิภาพในขณะที่ VaR สามารถเพิ่มประสิทธิภาพกุกกักเนื่องจากการที่ไม่ต่อเนื่อง
ฟังก์ชั่น ประการที่สอง CVaR เป็นกังวลกับความเสี่ยงเกินกว่า VaR และเชื่อมโยงกันโดยเฉพาะอย่างยิ่ง
การสูญเสียมากที่สะท้อนให้เห็นถึงหางของการกระจาย ประการที่สาม CVaR ไม่จำเป็นต้องถือว่า
การกระจายปกติดังนั้นเราจึงสามารถนำไปใช้ในการลด CVaR อสมมาตรและกลับกระจาย

ผลลัพธ์ (ไทย) 3:

รูปแบบ cvar เป็นทางเลือกวิธีที่ใช้วัดความเสี่ยงกับการสูญเสียที่ไม่ต่อเนื่อง และการกระจายความไม่สมมาตร . การวิจัยนี้ใช้รูปแบบ cvar แทนของค่าความเสี่ยง ( VAR ) เพราะและ rockafellar uryasev ( 2000 ) และ krokhmal et al . ( 2002 ) พบว่าผลของ cvarมากกว่าตัววัดความเสี่ยงและการแก้ปัญหาที่เหมาะสมโดยข้อดีดังต่อไปนี้ ประการแรก cvar เป็นฟังก์ชันต่อเนื่องนูนที่สามารถใช้ในการเชิงเส้นการเขียนโปรแกรมเพื่อหาที่เหมาะสมในขณะที่วาร์สามารถปรับตำแหน่ง เนื่องจากการไม่ต่อเนื่องฟังก์ชัน ประการที่สอง cvar เป็นกังวลกับความเสี่ยงที่เกินตัว และติดต่อกัน โดยเฉพาะอย่างยิ่งสุดยอดการสูญเสียที่สะท้อนในหางของการกระจาย ประการที่สาม cvar ไม่ได้ต้องถือว่าปกติการกระจายเพื่อให้เราสามารถใช้ cvar การสูญเสียสมมาตรและการกระจายกลับ