使用 Dirichlet 过程先验建模风险与收益
统计方法学
2018-05-02 v1
摘要
在本文中，我们证明了若市场遵循几何布朗运动 (GBM) 的混合，则无套利条件成立。GBM 的混合可以纳入市场的重尾行为。这自然引导我们通过非参数贝叶斯方法对多资产组合的风险与收益建模。我们针对单资产收益的 univariate 建模，通过 urn 方案给出 Dirichlet 过程 (DP) 先验。该 DP 先验依 dependent DP 的精神给出。我们推广此方法，通过椭圆 copula 引入多元分布来建模多资产的收益；该 copula 使用 DP 先验建模边际分布。我们比较了不同风险度量，如风险价值 (VaR) 与条件 VaR (CVaR)（也称为期望短缺 (ES)），针对两个数据集的股票收益数据。第一个数据集包含 IBM、Intel 和 NASDAQ 的收益，第二个数据集包含作为印度股市指数“Nifty 50”一部分的 51 只股票的收益数据。
引用
@article{arxiv.1805.00306,
title = {Modeling Risk and Return using Dirichlet Process Prior},
author = {Sourish Das and Aritra Halder and Ananya Lahiri and Dipak K Dey},
journal= {arXiv preprint arXiv:1805.00306},
year = {2018}
}