动态贝叶斯网络在计算市场风险中的扩展应用：标准预期损失与压力型预期损失
风险管理
2025-12-16 v1 机器学习
计算金融
统计金融
摘要
过去五年里，预期损失(ES)和压力型预期损失(SES)已成为银行业市场风险管理中的关键监管指标，尤其是在全球金融危机后。因此，寻找优化其估计方法的途径至关重要。我们在计算10天、97.5%置信水平的ES和SES方面，扩展了动态贝叶斯网络(DBN)的应用，延续了之前将DBN应用于VaR估计的工作。我们以标普500指数作为美国银行股票交易部门的代理。我们将三种DBN结构学习算法与几种传统市场风险模型进行比较，分别使用正态分布或偏斜Student t分布。回测结果表明，所有模型在2.5%水平下均未产生统计上准确的ES和SES预测，这反映了对极端尾部行为建模的难度。对于ES，EGARCH(1,1)模型（正态）产生最准确的预测；对于SES，GARCH(1,1)模型（正态）性能最佳。所有分布依赖模型在使用偏斜Student t分布时性能显著恶化。DBN的表现与历史模拟模型相当，但其对尾部预测的贡献受限于其单日提前预测在收益分布中被赋予的权重较小。未来的研究应审查增强前瞻性DBN预测对尾部风险估计影响的加权方案。
引用
@article{arxiv.2512.12334,
title = {Extending the application of dynamic Bayesian networks in calculating market risk: Standard and stressed expected shortfall},
author = {Eden Gross and Ryan Kruger and Francois Toerien},
journal= {arXiv preprint arXiv:2512.12334},
year = {2025}
}