×
多洛雷斯福里奥;弗朗西斯科·克莱门特。

极值理论与应用于财务数据的传统GARCH方法：比较评估。 （英语） Zbl 1280.91198号

数量。财务 13，第1号，45-63（2013）.
摘要：尽管股票价格波动，但变化相对较小，通常假设在大时间尺度上呈正态分布。但有时，这些波动可能成为决定性因素，特别是当观察到资产价格出现无法预见的大幅下跌，可能导致巨大损失，甚至市场崩溃时。证据表明，这些事件发生的频率远高于在一般假设的正常财务收益下的预期。因此，为了能够预测极端股价回报的频率和幅度，正确地建模分布尾部是至关重要的。
本文采用McNeil和Frey在2000年提出的方法，将GARCH型模型与极值理论相结合，估计代表世界三个重要金融领域的三个金融指数收益的尾部——标准普尔500指数、富时100指数和NIKKEI 225指数。我们的结果表明，在进行样本内和样本外估计时，基于EVT的条件分位数估计比传统GARCH模型中假设正态或Student（t）分布创新的估计更准确。此外，这些结果对替代GARCH模型规范是稳健的。本文的发现对一般投资者来说应该是有用的，因为他们的目标是能够预测不可预见的价格变动，并根据这些预测在市场中定位自己，从而利用这些变动。

引用于三文件

MSC公司：

91G70型 统计方法；风险措施
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62G32型 极值统计；尾部推断
91B82号 统计方法；经济指标与措施

关键词：

条件极值理论;尾部估计;回溯测试;金融市场

软件：

伊斯梅夫
PDF格式BibTeX公司 XML格式引用
\textit｛D.Furió｝和\textit｛F.J.Climent｝，数量。财务13，No.1，45--63（2013；Zbl 1280.91198）
全文： DOI程序 链接

参考文献：

[1] 阿萨夫A，《国际财务评论》。分析。第18页109页–（2009年）·doi:10.1016/j.irfa.2009.03.007
[2] 巴厘岛TG，J.Emp。财务。第10页，455页–（2003年）·doi:10.1016/S0927-5398（02）00070-1
[3] Bali TG，J.经济。动态。&对照31第361页–（2007年）·Zbl 1162.91521号 ·doi:10.1016/j.jedc.2005.10.002
[4] Bekiros SD，J.国际金融。Markts Insts Money 15第209页–（2005年）·doi:10.1016/j.intfin.2004.05.002
[5] Bellini F，数量。财务。第7页，599页–（2007年）·Zbl 1151.91563号 ·网址：10.1080/14697680601155516
[6] Byström HNE，国际财务评论。分析。第13页，第133页–（2004年）·doi:10.1016/j.irfa.2004.02.003
[7] Byström HNE，国际经济评论。财务。第14页第41页–（2005年）·doi:10.1016/S1059-0560（03）00032-7
[8] Chavez-Demoulin V，数量。财务。第5页，第227页–（2005年）·Zbl 1118.91353号 ·doi:10.1080/14697680500039613
[9] 科尔斯，S。2003年，《极值统计建模导论》（第二版），《统计学中的斯普林格系列》（斯普林格出版社：伦敦）·Zbl 0980.62043号
[10] Danielsson J，《经济学年鉴》。统计师。第60页，第239页–（2000年）
[11] Danielsson J，《超越样本：极值分位数和概率估计》（1997）
[12] Danielsson，J和Morimoto，Y。预测极端金融风险：对日本市场实用方法的批判性分析。第2000-E-8号讨论文件，日本银行货币与经济研究所，2000年
[13] Davison AC，J.R.统计。Soc.B 52第393页–（1990年）
[14] Dowd K，J.投资组合管理34第76页–（2008年）·doi:10.3905/jpm.2008.709984
[15] Embrachts P，《保险和金融极端事件建模》（1999年）
[16] 恩格尔·R·J·布斯。经济学。统计师。第9页，第345页–（1991年）
[17] Fernández V，《国际金融评论》。分析。第113页第14页–（2005年）·doi:10.1016/j.irfa.2004.06.012
[18] Gilli M，计算机。经济学。第27页第207页–（2006年）·Zbl 1153.91498号 ·doi:10.1007/s10614-006-9025-7
[19] Leadbetter MR，随机序列和过程的极值和相关性质（1983）·数字对象标识代码：10.1007/978-1-4612-5449-2
[20] Lee T-H，《评估新兴市场价值-风险模型的预测性能：现实检验》（2001年）
[21] Liow KH和J.Prop。投资与财务。第26页，共418页–（2008年）·doi:10.1108/14635780810900279
[22] Longin F，J.银行。财务。第24页，1097页–（2000年）·doi:10.1016/S0378-4266（99）00077-1
[23] AJ麦克尼尔。利用极值理论计算金融收益序列的分位数风险测度。苏黎世联邦理工学院，1998年
[24] 麦克尼尔·AJ，J.Emp。财务。第7页271–（2000）·doi:10.1016/S0927-5398（00）00012-8
[25] Neftci SN，J.衍生品7第23页–（2000）·doi:10.3905/jod.2000.319126
[26] Pickands J，Ann.统计师。第119页，第3页–（1975年）·Zbl 0312.62038号 ·doi:10.1214/aos/1176343003
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。