lCARE -- 局部化条件自回归期望分位数
摘要：基于条件危险度期望(Expectile)的价值风险(EVaR)模型中解释不同时变参数。与基于分位值风险(QVaR)的模型相比，EVaR的下行风险对组合损失的大小更为敏感。本研究不采用固定的数据窗口来拟合expectile模型，而是利用局部参数方法来关注尾部风险动态的参数不稳定性。我们的框架通过顺序测试在每个时间点产生一个数据驱动的最优区间长度。2005年至2016年的三个股票市场的经验证据显示，所选长度大约对应于每天观察3-6个月。与采用一年固定区间的模型以及基于分位值的候选模型相比，本方法在采用时间不变的投资组合保护（TIPP）策略时更为有效，适用于DAX、FTSE 100和S&P 500的投资组合。最终，我们模型所隐含的尾部风险度量为资产配置和组合保险提供了有价值的见解。
作者：Xiu Xu, Andrija Mihoci, Wolfgang Karl H\"ardle
论文ID：2009.13215
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2020-09-29