动态分位函数模型
统计方法学
2021-05-05 v5 风险管理
应用统计
摘要
出于有效总结、建模和预测日内收益分布特征的需求，以及符号数据分析领域关于直方图值时间序列预测的最新工作，我们开发了一个时间序列模型，用于预测日内收益的分位函数值（QF值）每日汇总。我们称该模型为动态分位函数（DQF）模型。我们提议使用 -and- 分位函数而非直方图来总结日内收益的分布。我们采用 DQF 模型的贝叶斯表述，以便在考虑参数不确定性的同时进行统计推断；并开发了高效的 MCMC 算法用于基于抽样的后验推断。利用十个国际市场指数和每个市场约 2000 天的样本外数据，DQF 模型在预测日内收益 VaR 方面，表现优于区间值和直方图值时间序列模型。此外，我们证明 QF 值预测可通过基于日收益的简单分位回归模型（QR-DQF）用于预测日时间尺度上的 VaR 度量。在某些市场中，由此产生的 QR-DQF 模型能够提供具有竞争力的日收益 VaR 预测。
引用
@article{arxiv.1707.02587,
title = {Dynamic Quantile Function Models},
author = {Wilson Ye Chen and Gareth W. Peters and Richard H. Gerlach and Scott A. Sisson},
journal= {arXiv preprint arXiv:1707.02587},
year = {2021}
}
备注
MATLAB code: https://github.com/wilson-ye-chen/aqua