半参数动态非对称拉普拉斯模型用于尾部风险预测，融合实现度量
摘要：Taylor（2017）提出的结合风险价值（VaR）和预期损失（ES）分位数回归模型通过引入实现测度来扩展，以驱动尾风险动态，实现比每日收益更有效的驱动因子。模型参数估计采用了最大似然估计和自适应贝叶斯马尔科夫链蒙特卡洛方法，并通过模拟研究评估和比较这两种方法的性质；结果支持贝叶斯方法，并随后应用于七个市场指数和两个个别资产的预测研究中。将所提出的模型与包括GARCH、实现GARCH和Taylor（2017）中的结合VaR和ES分位数回归模型在内的一系列参数化、非参数化和半参数化模型进行比较。比较依据是在包括2007-2008年全球金融危机在内的长期预测样本期间的一日前方VaR和预期损失预测的准确性。结果显示所提出的模型在引入实现测度的情况下效果更好，尤其是在使用子样本实现方差和子样本实现范围时。
作者：Richard Gerlach, Chao Wang
论文ID：1805.08653
分类：Risk Management
分类简称：q-fin.RM
提交时间：2018-05-23