基于期望分位数与边际期望短缺的加密货币尾部风险与系统性风险估计
风险管理
2023-11-30 v1 应用统计
摘要
本文研究了加密货币尾部风险的量化相关问题。研究所用的统计方法涉及针对弱相依数据的极值理论（EVT）近期进展。本研究提出一种基于期望分位数（expectile）的方法来评估相依数据的尾部风险。期望分位数是对均值概念的推广，正如分位数推广了中位数概念一般。我们给出了一个加密货币数据集的实证结果。我们提出一种通过估计异方差回归（如 GARCH 模型）残差的期望分位数水平来动态评估期望分位数水平的方法。最后，我们引入边际期望短缺（MES）作为衡量单一资产对系统性短缺边际影响的工具。在我们关注的案例中，我们聚焦于单一加密货币对整个加密货币市场系统性风险的影响。特别地，我们提出了一种针对相依数据的基于期望分位数的 MES。
引用
@article{arxiv.2311.17239,
title = {Tail Risk and Systemic Risk Estimation of Cryptocurrencies: an Expectiles and Marginal Expected Shortfall based approach},
author = {Andrea Teruzzi},
journal= {arXiv preprint arXiv:2311.17239},
year = {2023}
}
备注
16 pages and 6 figures