×

使用自回归条件Fréchet模型对最大值进行建模。 (英语) Zbl 1452.62339号

摘要:本文介绍了一种新的动态广义极值(GEV)框架,用于建模金融时间序列中极大值的时变行为。具体地说,提出了一种自回归条件Fréchet(AcF)模型,其中最大值由一个具有时变尺度参数(波动率)和形状参数(尾部指数)的Fré)分布建模,该分布以过去的信息为条件。AcF为极大值的时变行为提供了直接而准确的建模,并为研究金融市场中的尾部风险动力学提供了一个新的角度。研究了AcF的概率性质,并将最大似然估计用于模型估计,研究了其统计性质。仿真结果表明了AcF的灵活性,并证实了其估计量的可靠性。使用两个关于横截面股票收益率和高频外汇收益率的实际数据示例来演示AcF建模方法,在市场尾部风险监控和条件VaR估计方面,观察到静态GEV有显著改进。AcF的实证结果与动态峰值超阈值(POT)文献的发现一致,即金融市场的尾部指数随时间变化。

MSC公司:

62G32型 极值统计;尾部推断
62M10个 统计学中的时间序列、自相关、回归等(GARCH)
62P05号 统计学在精算科学和金融数学中的应用
62第20页 统计学在经济学中的应用

软件:

伊斯梅夫
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Bai,J。;Ng,S.,《确定近似因子模型中的因子数》,《计量经济学》,70,1,191-221(2002)·Zbl 1103.91399号
[2] 巴厘岛,T。;Weinbaum,D.,基于高频回报的条件极值波动率估计器,J.Econom。发电机。控制,31,2,361-397(2007)·Zbl 1162.91521号
[3] Balkema,A。;de Haan,L.,《大年龄剩余寿命》,Ann.Probab。,2, 792-804 (1974) ·Zbl 0295.60014号
[4] 巴士拉克,B。;Davis,R.A。;Mikosch,T.,《多元规则变异的表征》,《应用年鉴》。概率。,12, 908-920 (2002) ·Zbl 1070.60011号
[5] 巴士拉克,B。;Segers,J.,正则变化多元时间序列,随机过程。申请。,119, 4, 1055-1080 (2009) ·Zbl 1161.60319号
[6] Billingsley,P.,鞅的Lindeberg-Levy定理,Proc。阿默尔。数学。《社会学杂志》,12788-792(1961)·兹伯利0129.10701
[7] 比利奥,M。;Getmansky,M。;Lo,A.W。;Pelizzon,L.,《金融和保险行业关联性和系统风险的计量经济学计量》,J.Financ。经济。,104, 535-559 (2012)
[8] Bollerslev,T.,广义自回归条件异方差,计量经济学杂志,31307-327(1986)·Zbl 0616.62119号
[9] Boutahar,M。;杜弗雷诺,G。;Péguin-Feissole,A.,带有时变长记忆参数的简单分数积分模型,计算。经济。,31, 225-241 (2008) ·Zbl 1136.91564号
[10] Bücher,A.,Segers,J.,2016年。关于广义极值分布的极大似然估计。;Bücher,A.,Segers,J.,2016年。关于广义极值分布的极大似然估计,arxiv。
[11] Bücher,A。;Segers,J.,基于从时间序列中提取的块极大值的Fréchet分布的最大似然估计,Bernoulli(2017)
[12] Chan,K。;Tong,H.,《关于嘈杂混沌的注释》,J.R.Stat.Soc.Ser。B统计方法。,56301-311(1994年)·Zbl 0825.93713号
[13] Chavez-Demoulin,V。;Embrechts,P。;Sardy,S.,《金融时间序列的极值分位数跟踪》,《计量经济学杂志》,188,1,44-52(2014)·Zbl 1311.91160号
[14] 陈,X。;Fan,Y.,基于半参数copula的多元动态模型在copula错误指定下的估计和模型选择,《计量经济学杂志》,135,12,125-154(2006)·Zbl 1418.62425号
[15] Coles,S.(Bickel,P.;Diggle,P.,Fienberg,S.;Gather,U.;Zeger,S.,《极值统计建模导论》,《统计学中的Springer系列》(2001),Springer)·Zbl 0980.62043号
[16] 克雷亚尔,D。;科普曼,S。;Lucas,A.,广义自回归评分模型及其应用,J.Appl。计量经济学,28,5,777-795(2013)
[17] Davis,R.A。;Mikosch,T.,GARCH过程的极值理论,(Mikosh,T.;Krei,J.P.;Davis,R.;Andersen,T.《金融时间序列手册》(2009),施普林格,柏林,海德堡)·Zbl 1178.62094号
[18] Davis,R.A。;Mikosch,T.,《随机波动率模型的极值》(Mikosh,T.;Krei,J.P.;Davis,R.;Andersen,T.《金融时间序列手册》(2009),施普林格,柏林,海德堡)·Zbl 1178.62112号
[19] 戴维森,A。;Smith,R.,《高阈值超标模型》,J.R.Stat.Soc.Ser。B统计方法。,52, 3, 393-442 (1990) ·Zbl 0706.62039号
[20] Diebold,F。;Schuermann,T。;Stroughair,J.,《在风险管理中使用极值理论的陷阱和机遇》,(Refenes,A.;Moody,J.;Burgess,A.,《计算金融的决策技术》,《计算管理科学进展》,第2卷(1998),Springer US),3-12
[21] Diebold,F.X。;Yilmaz,K.,《衡量金融资产回报和波动性溢出,并应用于全球股市》,《经济学》。J.,119,158-171(2009)
[22] Diebold,F。;Yilmaz,K.,《关于方差分解的网络拓扑:衡量金融公司的连通性》,《计量经济学杂志》,182,1119-134(2014)·Zbl 1311.91196号
[23] Dombry,C.,块极大值框架内极值指数的最大似然估计的存在性和一致性,Bernoulli,21,1,420-436(2015)·Zbl 1388.62042号
[24] Drees,H。;Segers,J。;Warchol,M.,马尔可夫链尾部过程统计,极值,18,3(2015)·Zbl 1327.62322号
[25] Embrechts,P。;Resnick,S.I。;Samorodnitsky,G.,《作为风险管理工具的极值理论》,《北美行动》。J.,3,30-41(1999)·兹比尔1082.91530
[26] Engle,R.F.,英国通货膨胀方差估计的自回归条件异方差,计量经济学,50987-107(1982)·Zbl 0491.62099号
[27] 恩格尔,R。;Russell,J.,《自回归条件持续期:不规则间隔交易数据的新模型》,《计量经济学》,661127-1162(1998)·Zbl 1055.62571号
[28] Fama,E。;French,K.,《股票和债券回报中的常见风险因素》,J.Financ。经济。,3-56 (1993) ·兹比尔1131.91335
[29] 费雷拉,A。;de Haan,L.,《关于极值理论中的块极大值方法:PWM估计器》,Ann.Statist。,43, 1, 276-298 (2015) ·兹比尔1310.62064
[30] 弗朗克·C。;Zakoian,J.,纯GARCH和ARMA-GARCH过程的最大似然估计,Bernoulli,10,4,605-637(2004)·Zbl 1067.62094号
[31] Geweke,J.,《经济时间序列的动态因素分析》(Aigner,D.;Goldberger,A.,《社会经济模型中的潜在变量》(1977年),北荷兰:北荷兰阿姆斯特丹)·Zbl 0389.62075号
[32] 霍尔,S。;斯瓦米,P。;Tavlas,G.,《时间变化系数模型:选择系数驱动集的建议》,Macroecon。发电机。,1-17 (2016)
[33] Hansen,B.,自回归条件密度估计,国际。经济学。修订版,35、3、705-730(1994年)·Zbl 0807.62090号
[34] Harvey,A.,《波动性和重尾的动态模型:金融和经济时间序列的应用》(2013),剑桥大学出版社:英国剑桥大学出版社·Zbl 1326.62001号
[35] A.哈维。;Chakravarty,T.,Beta-T-(E)GARCH,剑桥大学讨论论文(2008)
[36] Kelly,B.,《动态幂律模型》,Extremes,17,4,557-583(2014)·Zbl 1311.62175号
[37] 凯利,B。;Jiang,H.,尾部风险和资产价格,金融评论。螺柱,27,10,2841-2871(2014)
[38] Kratz,M.,Lok,Y.H.,McNeil,A.J.,2016年。多项式VaR回溯测试:一种用于回溯预期短缺的简单隐式方法,arXiv:1611.04851;Kratz,M.,Lok,Y.H.,McNeil,A.J.,2016年。多项式VaR回测:回测预期短缺的简单隐式方法,arXiv:1611.04851
[39] 克里茨曼,M。;李毅。;第页,S。;Rigobon,R.,作为系统风险度量的主要成分,J.Portfolio Manage。,37, 4, 112-126 (2011)
[40] Lam,C。;Yao,Q.,《高维时间序列的因子建模:因子数量的推断》,Ann.Statist。,40, 2, 694-726 (2012) ·Zbl 1273.62214号
[41] 劳里尼,F。;Tawn,J.A.,GARCH残差的规则变化和极值依赖性及其在市场风险度量中的应用,《计量经济学评论》,第28期,第146-169页(2009年)·兹比尔1161.62072
[42] Leadbetter,M。;林格伦,G。;Rootzen,H.,随机序列和过程的极值和相关性质(1983),Springer·Zbl 0518.60021号
[43] 伦德伯格,S。;Terasvirta,T。;Van Dijk,D.,时间-变量平滑过渡自回归模型,J.Bus。经济学。统计人员。,21, 1, 104-128 (2003)
[44] Makelainen,T。;施密特,K。;Styan,G.,关于固定样本中向量值参数的最大似然估计的存在唯一性,Ann.Statist。,9758-767(1981年)·Zbl 0473.62004号
[45] 马林诺夫斯基,A。;施拉特,M。;Zhang,Z.,高频财务数据的标记点过程调整尾部相关性分析,Stat.Interface,8,109-122(2015)·Zbl 1407.62388号
[46] Massacci,D.,《股票收益的尾部风险动态:与宏观经济和全球市场的联系》,管理。科学。,2016年1月18日
[47] 麦克尼尔,A。;Frey,R.,异方差金融时间序列尾部相关风险测度的估计:极值方法,J.Empir。财务,7,34,271-300(2000)
[48] Mossin,J.,《资本资产市场的均衡》,《计量经济学》,第34、4、768-783页(1966年)
[49] Picklands,J.,使用极值顺序统计的统计推断,Ann.Statist。,3, 1, 119-131 (1975)
[50] Resnick,S.I.,(极值、正则变化和点过程。极值、规则变化和点进程,运筹学和金融工程中的Springer系列(1987),Springer)·Zbl 0633.60001号
[51] 夏普,W.,《资本资产价格:风险条件下的市场均衡理论》,《金融杂志》,19,3,425-442(1964)
[52] Smith,R.,一类非规则病例的最大似然估计,生物统计学,72,167-90(1985)·Zbl 0583.62026号
[53] 史密斯,R。;Goodman,D.,《贝叶斯风险分析、极值和综合风险管理》,风险书(2000)
[54] 股票,J。;Watson,M.,《动态因子模型》(Clements,M.P.;Hendry,D.F.,《牛津经济预测手册》(2011),牛津大学出版社)
[55] van Oordt,M。;周,C.,《系统尾部风险》,J.Financ。数量。分析。,51, 2, 685-705 (2016)
[56] Zhang,X.,Schwaab,B.,2017年。政府债券市场和欧洲央行资产购买中的尾部风险,工作文件。;Zhang,X.,Schwaab,B.,2017年。政府债券市场和欧洲央行资产购买的尾部风险,工作文件。
[57] 张,Z。;Zhu,B.,Copula结构化M4过程及其在高频金融数据中的应用,《计量经济学杂志》,194,2,231-241(2016)·Zbl 1443.62295号
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。