一类自适应的风险预测算法及其应用

摘要：

本文在充分利用交易信息的基础上,用离散随机过程刻画风险的演变,构建了一类分位数框架下的状态-空间模型来度量和预报风险.为了克服参数估计的困难,使模型具有实用价值,仿照传统卡尔曼滤波的思想,依据模型的设定,本文重构了分位数框架下的增益系数和修正过程,设计了一类新的风险预测算法.该算法的主要优势是,能依据观测数据的更新,自适应地修正已有的预测结果,并利用修正后的结果进行预测分析,从而降低连续预测过程中的误差积累,提高风险预测的准确性.文中理论结果和实证结论都证实了这一点.算法的理论分析及其模拟检验表明,修正之后的结果仍然具有无偏性,但方差却显著降低了.因此基于修正后的数值,再做下一步预测,必将减少整个风险预测过程中的误差积累.实际数据的应用结果显示,相比现有的风险预测方法,文中提出的算法能更加准确地预测出风险大小,而且这种预测优势在极端水平下更加明显.算法的提出既丰富了风险预测的手段,又为恰当规避风险,特别是极端风险,提供技术参考.

关键词：VaR、卡尔曼滤波、分位数回归、风险预测

所属期刊栏目：31

分类号：F832.5(金融、银行)

资助基金：国家社会科学基金19BTJ015

在线出版日期：2023-10-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8