金融密度预测：风险中性与历史预测方案的综合比较
风险管理
2018-05-08 v2 概率论
统计金融
应用统计
统计方法学
摘要
我们研究了金融经济学中最常用基准的预测能力。针对概率预测研究中常见的缺陷——小样本、有限模型以及非整体性验证——我们通过在超过21年的时间段内对15种预测方案进行综合比较来加以解决。所有密度均根据其统计一致性、局部准确性和预测误差进行评估。利用一种新的综合指标——综合预测得分(Integrated Forecast Score, IFS)——我们表明，就信息含量而言，风险中性密度优于基于历史的预测。我们发现方差伽马(Variance Gamma)模型产生最高的样本外观测价格似然和最低的预测误差，而基于ARCH的GJR-FHS在整个密度范围内给出最一致的预测。相比之下，对数正态密度、Heston模型或Breeden-Litzenberger公式产生有偏预测，并在统计检验中被拒绝。
引用
@article{arxiv.1801.08007,
title = {Financial density forecasts: A comprehensive comparison of risk-neutral and historical schemes},
author = {Ricardo Crisostomo and Lorena Couso},
journal= {arXiv preprint arXiv:1801.08007},
year = {2018}
}
备注
Journal of Forecasting, 2018