广义自回归评分非对称拉普拉斯分布与极端下行风险预测
摘要：广义自回归记分（GAS）在许多领域取得了良好的效果，并且近年来被广泛应用。由于金融收益数据的偏斜分布、高峰值和厚尾巴以及不对称性，传统的分布难以描述。本文在广义自回归记分（GAS）框架下改进了非对称拉普拉斯分布（ALD），提出了GAS-ALD模型。该模型具有时间变化的参数特征，可以描述高峰厚尾巴、有偏和不对称的分布。该模型用于研究上证指数、深证指数和中小板指数。研究发现：1）三个指数的分布参数和统计量具有明显的时间变化特征和聚集特性；2）与常用的计算VaR和ES的模型相比，GAS-ALD模型具有较高的预测效果。
作者：Hong Shaopeng
论文ID：2008.01277
分类：Risk Management
分类简称：q-fin.RM
提交时间：2020-10-14