具有波动率聚集、重尾与非线性依赖的CoVaR
风险管理
2020-09-24 v1 计算金融
统计金融
摘要
本文通过拟合不同的多元参数模型来估计条件风险价值(CoVaR),这些模型刻画了股票收益多元金融时间序列的一些典型事实:重尾、负偏度、非对称依赖与波动率聚集。波动率聚集效应由 GJR 类型的 AR-GARCH 动态捕捉,而其他典型事实则通过非高斯多元模型与 copula 函数捕捉。CoVaR 基于多元正态模型、多元正态 tempered stable (MNTS) 模型、多元广义双曲模型(MGH)以及四种可能的 copula 函数计算。将这些风险度量估计与基于多元正态 GARCH 模型的 CoVaR 进行比较。比较通过对竞争模型在 2007 年 1 月至 2020 年 3 月时间段上的回测进行。在实证研究中,我们考虑了属于主要或附加全球系统重要性银行(GSIBs)评估样本的欧元区上市银行样本。
引用
@article{arxiv.2009.10764,
title = {CoVaR with volatility clustering, heavy tails and non-linear dependence},
author = {Michele Leonardo Bianchi and Giovanni De Luca and Giorgia Rivieccio},
journal= {arXiv preprint arXiv:2009.10764},
year = {2020}
}
备注
21 pages, 4 figures