基于动态条件得分的正反高斯分布驱动的风险价值预测模型
摘要：基于正态逆高斯分布的动态条件分数框架下，我们提出了一个参数预测模型，用于基于Value-at-Risk的正常逆高斯分布（以下简称NIG-DCS-VaR）中，创造性地将盘中信息纳入到每日VaR预测中。NIG指定了一个适当的分布来表示回报，NIG参数的半可加性使得在考虑盘中回报的基础上改进每日回报的估计成为可能，从而可以通过计算每日回报的重新估计分布的分位数来明确地获得VaR。我们使用中国股票市场的两个主要指数进行了实证分析，并采用了各种回测方法以及模型置信集方法，证明NIG-DCS模型的VaR预测通常优于已实现GARCH（RGARCH）模型的预测。尤其是在风险水平相对较高时，NIG-DCS-VaR在覆盖能力和独立性方面胜过RGARCH-VaR。
作者：Shijia Song and Handong Li
论文ID：2110.02492
分类：Risk Management
分类简称：q-fin.RM
提交时间：2021-10-07