融合已实现测度的半参数动态非对称拉普拉斯尾部风险预测模型
风险管理
2018-05-23 v1
摘要
Taylor (2017) 的联合在险价值（VaR）与期望损失（ES）分位数回归模型被扩展，通过引入已实现测度来驱动尾部风险动态，其作为比日收益潜在更高效的驱动因素。最大似然与自适应贝叶斯马尔可夫链蒙特卡洛方法均被用于估计，其性质通过模拟研究进行评估与比较；结果倾向于贝叶斯方法，随后该方法被用于七个市场指数与两个个股资产的预测研究。所提模型与一系列参数、非参数及半参数模型进行比较，包括 GARCH、Realized-GARCH 以及 Taylor (2017) 中的联合 VaR 与 ES 分位数回归模型。比较基于长期预测样本期（包含 2007-2008 年全球金融危机）内一日前向在险价值与期望损失预测的准确性。结果支持所提的融合已实现测度的模型，尤其在使用子采样已实现方差与子采样已实现极差时。
引用
@article{arxiv.1805.08653,
title = {Semi-parametric Dynamic Asymmetric Laplace Models for Tail Risk Forecasting, Incorporating Realized Measures},
author = {Richard Gerlach and Chao Wang},
journal= {arXiv preprint arXiv:1805.08653},
year = {2018}
}
备注
36 pages, 5 figures. arXiv admin note: substantial text overlap with arXiv:1612.08488