金融尾部风险中的不确定性建模：预测组合和加权分位数方法
摘要：一种新的预测组合和加权分位数尾部风险预测框架被提出，旨在减少模型不确定性对尾部风险预测的影响。所提出的方法基于两步估计过程。第一步是在一系列分位数水平上合并风险价值（VaR）预测。在预测组合过程中选择了一系列参数与半参数模型作为模型宇宙。通过优化分位数损失来估计分位数预测组合权重。在第二步中，预期损失（ES）被计算为组合分位数的加权平均。ES预测的分位数权重结构通过最小化Fissler-Ziegel类的严格一致性联合VaR和ES损失函数来确定。该提出的框架应用于六个股票市场指数，并将其预测性能与宇宙中的每个单独模型、简单平均方法和加权分位数方法进行比较。预测结果支持所提出的框架。
作者：Giuseppe Storti, Chao Wang
论文ID：2104.04918
分类：Risk Management
分类简称：q-fin.RM
提交时间：2021-07-20