通过聚合广义分布，基于动态条件评分的方法预测VaR
摘要：构建更有效的风险价值（VaR）预测模型一直是金融风险管理的目标。本文提出一种新的参数方法，并提供了一个标准的范例来演示建模过程。我们基于高频数据建立了一个动态条件得分（DCS）模型和一个广义分布（GD），即GD-DCS模型，以改进对每日VaR的预测。该模型假设不同时刻的日内收益彼此独立，并服从相同类型的GD，其动态参数由DCS驱动。通过预测时变参数的运动规律，确定了日内收益的条件分布；然后，使用自举方法模拟每日收益。使用中国股市的数据进行的实证分析表明，包含高频数据的Weibull-Pareto-DCS模型在高风险水平的VaR预测方面优于传统的基准模型，如RGARCH，这证明该方法有助于改进风险测量工具。
作者：Shijia Song and Handong Li
论文ID：2110.02953
分类：Risk Management
分类简称：q-fin.RM
提交时间：2021-10-08