2T-POT Hawkes模型对金融日志收益的左尾和右尾条件分位数预测：条件EVT模型的外样本比较
摘要：条件极值理论（EVT）方法承诺增强对经常主导系统风险的极端尾部事件的预测能力。我们提出了一种改进的适用于单变量时间序列左尾和右尾条件分位数预测的两尾POT Hawkes模型。将其应用于六个大型股票指数的日对数收益。我们还采取了独特的步骤，在多个超过阈值的情况下拟合模型（从1.25%到25.00%）。在所有六个指数中找到了Hawkes参数的相似的数量级不对称性，进一步支持了金融价格时间序列中时间杠杆效应的经验证据，即损失的影响不仅更大，而且更立即。对外样本的后测发现，我们的两尾POT Hawkes模型在预测（镜像）价值-at-risk和期望缺口（expected shortfall）在5%覆盖水平及以下时，比GARCH-EVT模型更可靠准确。这表明，非对称的Hawkes型到达动态更好地拟合了极端日对数收益的真实数据生成过程，而不是GARCH型条件波动性；因此，我们的两尾POT Hawkes模型在金融风险建模方面是一个表现更好的替代选择。
作者：Matthew F. Tomlinson, David Greenwood, Marcin Mucha-Kruczynski
论文ID：2202.01043
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2022-10-17