×

方差-γ模型的基于似然的风险估计。 (英语) Zbl 1387.62108号

摘要:尽管方差-伽马分布是一种灵活的金融资产对数回归模型,但迄今为止,它在金融和风险管理中的应用相当有限。其中一个原因是其参数的最大似然估计并不简单。我们开发了一种基于[T.Nitithumbundit公司J.S.K.Chan先生,“正态均值-方差表示中偏态多元方差-伽马分布的ECM算法”,预印本,arXiv:1504.01239]这绕过了对完全似然的评估,这可能很困难,因为密度不是封闭形式的,并且对于形状参数的较小值来说是无界的。此外,我们研究了我们的方法相对于Variance Gamma和ghyp R包中实现的最大似然估计过程的相对效率。大量仿真实验和实际数据分析表明,多周期ECM算法在根平方误差方面,无论是参数还是价值-风险评估。ghyp R包中的例程的性能相似但不太好,而Variance Gamma包产生的结果较差,尤其是当形状参数较小时。

MSC公司:

62P05号 统计学在精算科学和金融数学中的应用
10层62层 点估计
91G70型 统计方法;风险措施
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] Barndorff-Nielsen OE(1978)双曲线分布和双曲线分布。扫描J统计5:151-157·兹伯利0386.60018
[2] Barndorff Nielsen,OE;Blsild,P。;Tailie,C.(编辑);G、 P.(编辑);Baldessari,B.(编辑),双曲分布和分支:对理论和应用的贡献,19-44(1981),多德雷赫特·doi:10.1007/978-94-009-8549-0_2
[3] Carr PP,Madan DB(1999),使用快速傅里叶变换进行期权估价。计算金融杂志1:61-73·文件编号:10.21314/JCF.1999.043
[4] Cervellera GP,Tucci MP(2017)关于γ-变异过程估计的注释:从失败中学习。计算经济49:363-385·doi:10.1007/s10614-016-9566-3
[5] Christoffersen P(1998)评估区间预测。国际经济版次39:841-862·doi:10.2307/2527341
[6] Cont R(2001)《资产回报的经验属性:程式化的事实和统计问题》。数量财务1:223-236·Zbl 1408.62174号 ·doi:10.1080/713665670
[7] Dempster N,Laird N,Rubin D(1977)通过EM算法从不完整数据中获得最大似然(带讨论)。J R统计社会学B 39:1-38·Zbl 0364.62022号
[8] Eberlein E,Keller U(1995)金融中的双曲分布。伯努利1:281-299·Zbl 0836.62107号 ·数字对象标识代码:10.2307/3318481
[9] Embrachts P(1983)广义逆高斯分布的一个性质及其一些应用。应用概率杂志20:537-544·Zbl 0536.60022号 ·doi:10.2307/3213890
[10] Ghalanos A(2015)rugarch:单变量GARCH模型。R软件包版本1.3-6·兹比尔1304.65068
[11] Hu W,Kercheval A(2007)广义双曲分布风险管理。摘自:第四届IASTED金融工程与应用国际会议论文集,FEA'07。ACTA出版社,加利福尼亚州阿纳海姆,第19-24页。http://dl.acm.org/citation.cfm?id=1650320.1650324 ·Zbl 0778.62022号
[12] Jorion P(2006)《风险价值:衡量金融风险的新基准》,第3版。纽约威利
[13] Kupiec PH(1995)验证风险度量模型准确性的技术。J推导3:73-84·doi:10.3905/jod.1995.407942
[14] Liu C,Rubin DB(1995)使用EM及其扩展、ECM和ECME对t分布进行ML估计。统计Sin 5:19-39·Zbl 0824.62047号
[15] Luethi D,Breymann W(2016)ghyp:关于广义双曲分布及其特殊情况的包。R包版本1.5.7。https://cran.r-project.org/web/packages/ghyp/index.html
[16] Madan DB,Milne F(1991),VG鞅分量期权定价。数学金融1:39-55·Zbl 0900.90105号 ·文件编号:10.1111/j.1467-9965.1991.tb00018.x
[17] Madan DB,Seneta E(1990)股票市场收益的方差-伽马(vg)模型。J总线63:511-524·doi:10.1086/296519
[18] Madan DB、Carr P、Chang E(1998)《方差伽马过程与期权定价》。欧洲财务版次2:135-156·Zbl 0937.91052号 ·doi:10.1023/A:1009703431535
[19] McLachlan G,Krishnan T(2008)EM算法和扩展,第2版。纽约威利·Zbl 1165.62019号 ·doi:10.1002/9780470191613
[20] McLachlan G,Peel D(2000)有限混合模型。纽约威利·Zbl 0963.62061号 ·doi:10.1002/0471721182
[21] McNeil A、Frey R、Embrechts P(2005)《定量风险管理:概念、技术和工具》。普林斯顿大学出版社·兹比尔1089.91037
[22] McNeil AJ,Frey R(1998)异方差金融时间序列尾部相关风险测度的估计:极值方法。《企业财务杂志》7:271-300·doi:10.1016/S0927-5398(00)00012-8
[23] Meng XL(1994)关于ECM算法的收敛速度。安统计22:326-339·Zbl 0803.65146号 ·doi:10.1214/aos/1176325371
[24] Meng XL,Rubin D(1993)通过ECM算法的最大似然估计:一般框架。生物特征80:267-278·Zbl 0778.62022号 ·doi:10.1093/biomet/80.2267
[25] Musiela M,Rutkowski M(2005)《金融建模中的鞅方法》,第2版。柏林施普林格·Zbl 1058.60003号
[26] Nitithumbundit T,Chan JSK(2015)正态均值-方差表示中偏态多元方差-伽马分布的ECM算法。ArXiv电子打印ArXiv:1504.01239
[27] Prause K(1999)广义双曲线模型:估计、金融衍生品和风险度量。弗赖堡阿尔伯特·路德维希大学博士论文·Zbl 0944.91026号
[28] Protassov R(2004)λ固定的多元广义双曲分布的基于EM的最大似然参数估计。统计计算14:67-77·doi:10.1023/B:STCO.0000009419.12588.da
[29] R核心团队(2016)R:统计计算的语言和环境。R统计计算基金会,奥地利维也纳。网址:http://www.R-project.org/
[30] Scott D,Yang Dong C(2015)方差gamma:方差gamma分布。R包版本0.3-1。https://cran.r-project.org/web/packages/Variance-Gamma/index.html ·Zbl 1058.91043号
[31] Scott DJ,Würtz D,Dong C,Tran TT(2011)广义双曲分布的矩。计算统计26:459-476。doi:10.1007/s00180-010-0219-z·兹比尔1304.65068 ·doi:10.1007/s00180-010-0219-z
[32] Seneta E(2004)将方差-伽马模型拟合到财务数据。应用概率杂志41:177-187·Zbl 1058.91043号 ·doi:10.1239/jap/1082552198
[33] Wuertz D(2016)fGarch:GARCH建模包。R包版本3010.82.1
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。