[论文解读] Forecasting Value-at-Risk with Time-Varying Variance, Skewness and Kurtosis in an Exponential Weighted Moving Average Framework

Alexandros Gabrielsen, Paolo Zagaglia+2 more|arXiv (Cornell University)|Jun 7, 2012

Financial Risk and Volatility Modeling被引用 4

一句话总结

本文提出了一种指数加权移动平均（EWMA）模型，通过使用改进的Gram-Charlier密度函数，联合估计时变波动率、偏度和峰超值，利用Cornish-Fisher展开实现动态风险价值（VaR）预测。在多种统计检验和Basel II回溯测试中，该模型在预测准确性方面优于历史模拟法、过滤历史模拟法和GARCH模型。

ABSTRACT

This paper provides an insight to the time-varying dynamics of the shape of the distribution of financial return series by proposing an exponential weighted moving average model that jointly estimates volatility, skewness and kurtosis over time using a modified form of the Gram-Charlier density in which skewness and kurtosis appear directly in the functional form of this density. In this setting VaR can be described as a function of the time-varying higher moments by applying the Cornish-Fisher expansion series of the first four moments. An evaluation of the predictive performance of the proposed model in the estimation of 1-day and 10-day VaR forecasts is performed in comparison with the historical simulation, filtered historical simulation and GARCH model. The adequacy of the VaR forecasts is evaluated under the unconditional, independence and conditional likelihood ratio tests as well as Basel II regulatory tests. The results presented have significant implications for risk management, trading and hedging activities as well as in the pricing of equity derivatives.

研究动机与目标

• 对金融收益分布中的时变高阶矩（偏度与峰超值）进行建模，以实现更精确的风险度量。
• 开发一种实用且计算高效的动态VaR估计框架，整合偏度与峰超值。
• 评估所提出模型相较于历史模拟法和GARCH等成熟方法的预测性能。
• 评估该模型在满足Basel II风险管理监管回溯测试要求方面的合规性。
• 为风险控制、交易、对冲及权益衍生品定价提供稳健的工具。

提出的方法

• 该模型采用改进的Gram-Charlier密度函数，使偏度与峰超值在函数形式中显式体现。
• 利用指数加权移动平均（EWMA）框架估计时变波动率、偏度与峰超值。
• 通过Cornish-Fisher展开推导VaR，该方法基于前四阶矩（均值、方差、偏度、峰超值）对正态分布分位数进行调整。
• 使用历史收益数据对模型进行校准，并引入衰减因子以突出近期观测值。
• 通过无条件、独立性和条件似然比检验评估预测性能。
• 应用Basel II监管测试以验证模型在审慎风险管理标准下的可靠性。

实验结果

研究问题

• RQ1 基于EWMA的模型是否能通过联合估计时变波动率、偏度与峰超值，显著提升1天与10天VaR预测精度，相较标准方法？
• RQ2 在密度函数中引入偏度与峰超值如何影响VaR预测的准确性？
• RQ3 所提出的模型是否满足Basel II定义的监管回溯测试标准？
• RQ4 在统计有效性和监管合规性方面，该模型相较于历史模拟法、过滤历史模拟法与GARCH模型的表现如何？
• RQ5 时变高阶矩在多大程度上提升了金融资产的动态风险评估能力？

主要发现

• 所提出的具备时变偏度与峰超值的EWMA模型，显著提升了VaR预测精度，优于历史模拟法与过滤历史模拟法。
• 在无条件与条件似然比检验中，该模型的预测性能优于GARCH模型。
• 该模型通过了所有Basel II监管回溯测试，表明其适用于审慎风险管理。
• 引入时变高阶矩可提升VaR估计的可靠性，尤其在市场压力时期表现更优。
• Cornish-Fisher展开能有效校正收益分布的非正态性，从而提升风险度量的精确度。
• 该模型在多种金融资产类别中，于1天与10天VaR预测时间范围内均表现出稳健性。