非参数化预期损失整合加权分位数的预测
摘要：提出了一种新的半参数化预期损失（ES）估计和预测框架。所提出的方法基于两步估计过程。第一步涉及通过一组分位数时间序列回归来估计不同分位水平下的风险价值（VaR）。然后，ES被计算为估计分位数的加权平均。分位数加权结构通过Beta加权函数进行紧凑参数化，其系数通过最小化Fissler-Ziegel类的联合VaR和ES损失函数进行优化。首先，通过使用两种数据生成过程对所提出的方法的性质进行了广泛的仿真研究评估。然后进行了两个不同样本外大小的预测研究，其中一个侧重于2008年全球金融危机（GFC）期间。将所提出的模型应用于7个股票市场指数，并将其预测性能与一系列参数化、非参数化和半参数化模型进行比较，包括GARCH、条件自回归等位数（CARE）、联合VaR和ES分位数回归模型以及分位数的简单平均。预测实验的结果清楚地支持所提出的模型。
作者：Giuseppe Storti and Chao Wang
论文ID：2005.04868
分类：Risk Management
分类简称：q-fin.RM
提交时间：2021-03-16