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