共计 819 个字符,预计需要花费 3 分钟才能阅读完成。
原文链接 http://tecdat.cn/?p=2657
本文展示了如何基于基础 ARMA-GARCH 过程(当然这也涉及广义上的 QRM)来拟合和预测风险价值(Value-at-Risk,VaR)。
library(qrmtools)# for qq_plot()
library(rugarch)
模拟数据
我们考虑具有 t 的 ARMA(1,1)-GARCH(1,1)过程
将 ARMA-GARCH 模型拟合到(模拟的)数据
拟合一个 ARMA-GARCH 过程。
计算 VaR 时间序列
计算风险价值估计值。请注意,我们也可以在这里使用基于 GPD 的估计器。
通过随机性检查进行后测
我们来回溯一下 VaR 估计值。
## Backtest VaR_0.99btest <- VaRTest(alpha,actual =X,VaR =VaR,conf.level =0.95)btest$expected.exceed# 0.99 * n
## [1] 990
btest$actual.exceed
## [1] 988
btest$uc.Decision# unconditional test decision (note: cc.Decision is NA here)
## [1] "Fail to Reject H0"
基于拟合模型预测 VaR
现在预测风险价值。
模拟(X)的未来轨迹并计算相应的 VaR
模拟路径,估算每个模拟路径的 VaR(注意,quantile() 这里不能使用,所以我们必须手动构建 VaR)。
相关文章
R 语言中的风险价值模型度量指标 TVaR 与_VaR_
R 语言_VAR_模型的不同类型的脉冲响应分析
R 语言用向量自回归(_VAR_)进行经济数据脉冲响应研究 …
R 语言基于 ARMA-GARCH-_VaR_模型拟合和预测实证研究分析 …
matlab 使用 Copula 仿真优化市场风险数据_VaR_分析
GARCH(1,1),MA 以及历史模拟法的_VaR_比较
R 语言基于 ARMA-GARCH 过程的_VaR_拟合和预测
正文完