在RIA-EVT-Copula框架下预测尾事件
摘要：金融风险管理中预测尾事件的发生非常重要。通过采用峰-过门限(peak-over-threshold, POT)方法来识别金融极端事件，我们对这些极端事件进行了重现间隔分析(recurrence interval analysis, RIA)。我们发现连续极端事件之间的等待时间(重现间隔)符合$q$指数分布，而超过门限的极端事件的大小(超限大小)符合广义帕累托分布。我们还发现重现间隔和超限大小之间存在显著的相关性。因此，我们通过使用Frank和AMH copula函数将重现间隔和超限大小的联合分布建模，并将该联合分布应用于估计在上次极端事件发生$t $时间之后，在$\Delta t$时间内观察到另一个极端事件的危险概率。此外，提出了一种基于RIA-EVT-Copula的极端事件预测模型，通过在危险概率上应用决策算法。样本内和样本外测试表明，与仅基于重现间隔分布估计的危险概率的预测模型相比，这种新的极端事件预测框架具有更好的预测性能。我们的结果不仅为理解金融市场中极端事件的发生模式提供了新的视角，而且提高了金融极端事件的预测准确性，有助于风险管理。
作者：Wei-Zhen Li (ECUST), Jin-Rui Zhai (ECUST), Zhi-Qiang Jiang (ECUST), Gang-Jin Wang (HNU), Wei-Xing Zhou (ECUST)
论文ID：2004.03190
分类：Risk Management
分类简称：q-fin.RM
提交时间：2020-04-09