全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1420 29
2022-06-14
英文标题:
《A changepoint approach for the identification of financial extreme
  regimes》
---
作者:
Chiara Lattanzi and Manuele Leonelli
---
最新提交年份:
2019
---
英文摘要:
  Inference over tails is usually performed by fitting an appropriate limiting distribution over observations that exceed a fixed threshold. However, the choice of such threshold is critical and can affect the inferential results. Extreme value mixture models have been defined to estimate the threshold using the full dataset and to give accurate tail estimates. Such models assume that the tail behavior is constant for all observations. However, the extreme behavior of financial returns often changes considerably in time and such changes occur by sudden shocks of the market. Here we extend the extreme value mixture model class to formally take into account distributional extreme changepoints, by allowing for the presence of regime-dependent parameters modelling the tail of the distribution. This extension formally uses the full dataset to both estimate the thresholds and the extreme changepoint locations, giving uncertainty measures for both quantities. Estimation of functions of interest in extreme value analyses is performed via MCMC algorithms. Our approach is evaluated through a series of simulations, applied to real data sets and assessed against competing approaches. Evidence demonstrates that the inclusion of different extreme regimes outperforms both static and dynamic competing approaches in financial applications.
---
中文摘要:
对于超过固定阈值的观测值,通常通过拟合适当的极限分布来进行尾部推断。然而,这种阈值的选择是至关重要的,并且会影响推理结果。定义了极值混合模型,以使用完整数据集估计阈值,并给出准确的尾部估计。此类模型假设所有观测值的尾部行为都是恒定的。然而,财务回报的极端行为往往会随着时间发生显著变化,这种变化是由市场的突然冲击引起的。在这里,我们扩展了极值混合模型类,通过允许存在对分布尾部建模的状态相关参数,正式考虑了分布极值变化点。该扩展正式使用完整的数据集来估计阈值和极端变化点位置,为这两个数量提供不确定性度量。通过MCMC算法对极值分析中的相关函数进行估计。我们的方法通过一系列仿真进行评估,应用于真实数据集,并与其他方法进行比较。证据表明,在金融应用中,包含不同极端制度的方法优于静态和动态竞争方法。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类:Statistics        统计学
二级分类:Methodology        方法论
分类描述:Design, Surveys, Model Selection, Multiple Testing, Multivariate Methods, Signal and Image Processing, Time Series, Smoothing, Spatial Statistics, Survival Analysis, Nonparametric and Semiparametric Methods
设计,调查,模型选择,多重检验,多元方法,信号和图像处理,时间序列,平滑,空间统计,生存分析,非参数和半参数方法
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-14 05:14:09
确定极端财务状况的转换点方法*格拉斯哥大学博洛尼亚和曼努埃尔·莱昂内利大学数学与统计学院科学统计研究所(Dipartmento di Scienze Statistiche),2019年2月26日。尾部差异通常通过对超过固定阈值的观测值设置适当的限值分布来进行。然而,这些阈值的选择是至关重要的,可能会影响推理结果。定义了极值混合模型,以使用完整数据集估计阈值,并给出准确的尾部估计。这种模型假设所有观测值的尾部行为都是恒定的。然而,金融回报的极端行为往往会在时间上发生显著变化,这种变化是由市场的突然冲击引起的。在这里,我们扩展了极值混合模型类,通过允许存在对分布尾部建模的制度相关参数,正式考虑了分布极值变化点。该扩展正式使用完整数据集来估计阈值和极端变化点位置,给出了这两个量的不确定性度量。通过MCMC算法对极值分析中的相关函数进行估计。我们的方法通过一系列模拟进行评估,应用于真实数据集,并评估*这项工作的一部分是在博洛尼亚大学和格拉斯哥大学统计双学位项目的最后一年项目期间进行的。反对竞争性的方法。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-14 05:14:12
证据表明,在金融应用中,纳入不同的极端制度优于静态和动态竞争方法。关键词:极值混合模型;财务回报;GPD分布;高分位数;阈值估计。1导言金融市场的特点是处于动荡期,极端事件会冲击系统,可能导致巨大的利润损失。因此,了解和预测财务回报的尾部分布是至关重要的。正如Rocco(2014)所言,投资组合更多地受到市场中一些极端波动的影响,而不是受到许多小波动的影响。这促使风险管理者主要关注避免重大意外损失。对此类意外事件进行推断的工具是极值理论(EVT),它提供了一个连贯的概率框架来建模分布的尾部。标准的EVT方法要求收益率独立且分布相同,其应用基于许多假设,而这些假设通常很难在实践中验证。引入了极值混合模型(Scarrott和MacDonald,2012),以克服EVT的第二个缺陷。这些不需要任何武断的假设。尽管存在一些非平稳扩展(例如。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-14 05:14:15
Nascimento等人,2016),此类模型无法明确考虑金融回报的结构,而金融回报往往会因伴随着不同极端行为时期的冲击而不稳定。我们在此介绍一类新的模型,称为转换点极值混合模型(changepoint extreme value mixturemodels),该模型虽然不需要EVT中通常作出的任何任意假设,但也能够正式表示金融冲击造成的不同极端制度。我们在下文中证明,这种方法不仅能够正确识别此类冲击的位置,而且还提供了基于模型的不确定性度量。使用MCMC机器在贝叶斯范式中进行推理(Gamerman和Lopes,2006),使我们能够直接提供各种各样的感兴趣量的估计和预测,例如高分位数。在正式确定我们的方法之前,对单变量EVT和非平稳(极端)模型进行审查,以突出我们方法的相关性和新颖性。1.1极值理论一种常用的模型极值方法,通常被称为超过阈值的峰值,研究超过阈值的异常情况。应用该方法的一个关键结果是Pickands(1975),该方法指出,如果端点为Xe的随机变量X位于广义极值分布的吸引域内,则limu→xeP(X≤ x+u | x>u)=G(x),其中G是广义帕累托分布(GPD)的分布函数(df)。df G定义为asG(x |ξ,σ,u)=1.-1+ξx-uσ-1/ξ,如果ξ6=0,1- 经验值-x个-uσ, 如果ξ=0,对于u,ξ∈ R和σ∈ R+,其中支架为x≥ u如果ξ≥ 0和0≤ x个≤ u- σ/ξ,如果ξ<0。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-14 05:14:18
因此,如果ξ<0,则GPD是有界的,如果ξ,则GPD是无界的≥ 0、在实践中应用该结果首先需要选择一个阈值u,超过该阈值时,GPD近似值似乎成立,然后是GPD对超过所选阈值的数据点的拟合。因此,在推理过程中,只有一小部分数据点(位于所选阈值之外)被正式保留。GPD阈值的选择既困难又随意。虽然存在指导这一选择的工具(Davidson和Smith,1990;DuMouchel,1983),但不同阈值的推断可能会有很大差异(Scarrott和MacDonald,2012;Tancredi等人,2006)。1.2极值混合模型为了克服与阈值选择相关的困难,最近定义了各种模型缩放极值混合模型(Scarrott和MacDonald,2012),这些模型正式使用完整数据集,不需要固定阈值。这些结合了阈值以下的大部分数据的灵活模型、尾部的正式合理分布以及阈值的不确定性度量。极值混合模型的密度函数f通常可以定义为f(x |Φ,ψ)=h(x |Φ),x≤ u[1- H(u |Φ)]g(x |ψ),x>u,(1)其中H是体积的密度,由Φ参数化,即低于阈值u的数据部分,H是df,g是GPD密度函数,参数ψ={ξ,σ,u},该模型对阈值u以上的分布尾部进行建模。图1说明了极值混合模型的典型形式,该模型对大部分分布使用灵活的模型h,通常定义为密度函数的混合。Behrens等人(2004年)首次提出使用完整数据集来估计阈值位置和分布的尾部,这是因为他们使用了伽马射线进行批量测量。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-14 05:14:21
从那时起,使用了各种各样的散装方案,包括正态分布(Carreau和Bengio,2009)、制服的有限混合(Tancredi等人,2006)、Gammas的混合(Nascimento等人,2012)和核估计(MacDonaldet等人,2011)。Nascimento等人(2012年)通过图1:以堆积密度h和GPD作为尾密度的极值混合模型的分布(来自Scarrott和MacDonald,2012年)证明了极值估计中没有任何损失。在容易确定阈值的情况下使用完整数据集。相反,当阈值位置的不确定性很高时,极值混合模型的性能优于标准的阈值峰值法。1.3非平稳极值上述方法假设所有观测数据独立来自同一基础分布。然而,在金融和生态应用中,极端事件的结构和幅度通常随时间而变化。因此,通常使用动态模型对财务极端情况进行推断。在这个方向上,Bollerslev(1987)使用了一个带有Student-T创新的GARCH(1,1)模型,明确考虑了金融数据集中经常遇到的较长尾部。然后,基于EVT的动态模型开始出现。例如,McNeil和Frey(2000)提出了一种两阶段方法,首先使用GARCHmodel去除依赖性,然后对假设的独立剩余创新进行GPD估计。在贝叶斯环境下,Huerta和Sans\'o(2007)提出了基于广义极值(GEV)分布的分层动态模型,而Zhao等人(2011)直接在GEV参数上定义了aGARCH模型。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群