[论文解读] Virtual Historical Simulation for estimating the conditional VaR of large portfolios

Christian Francq, Jean‐Michel Zakoïan|arXiv (Cornell University)|Sep 10, 2019

Financial Risk and Volatility Modeling参考文献 51被引用 13

一句话总结

本文提出虚拟历史模拟法（VHS），一种用于在大规模、时变投资组合中估计条件风险价值（VaR）的单变量方法。该方法通过使用当前投资组合权重构建一个‘虚拟投资组合’，以确保平稳性。该方法可实现有效的渐近推断，在非平稳环境下优于朴素方法，具有理论依据，并在模拟数据和真实数据上得到实证验证。

ABSTRACT

In order to estimate the conditional risk of a portfolio's return, two strategies can be advocated. A multivariate strategy requires estimating a dynamic model for the vector of risk factors, which is often challenging, when at all possible, for large portfolios. A univariate approach based on a dynamic model for the portfolio's return seems more attractive. However, when the combination of the individual returns is time varying, the portfolio's return series is typically non stationary which may invalidate statistical inference. An alternative approach consists in reconstituting a "virtual portfolio", whose returns are built using the current composition of the portfolio and for which a stationary dynamic model can be estimated. This paper establishes the asymptotic properties of this method, that we call Virtual Historical Simulation. Numerical illustrations on simulated and real data are provided.

研究动机与目标

• 解决在标准单变量方法因非平稳性而失效的大规模、动态再加权投资组合中估计条件VaR的挑战。
• 通过提出一种单变量替代方法，克服大型投资组合中多变量GARCH模型的维度灾难问题。
• 建立一种新方法——虚拟历史模拟法（VHS）的渐近性质，确保在投资组合权重时变的情况下仍具备统计有效性。
• 为大规模投资组合的风险管理提供一种实用且理论基础扎实的替代方案，以替代多变量建模和朴素的单变量拟合方法。

提出的方法

• 使用当前投资组合权重和历史资产收益，构建一个‘虚拟投资组合’收益序列，以确保在投资组合权重时变时保持平稳性。
• 对虚拟投资组合收益拟合单变量GARCH型模型，以估计条件波动率和VaR。
• 利用虚拟投资组合的条件分布，在给定置信水平（例如1%或5%）下估计条件VaR。
• 在正则性条件下，建立VaR估计量的渐近正态性，从而支持置信区间和统计推断。
• 利用虚拟投资组合收益序列在权重缓慢变化的假设下保持平稳的事实。
• 将该方法应用于模拟数据和S&P 500成分股的实际收益，以验证其性能和稳健性。

实验结果

研究问题

• RQ1 在标准方法失效的大规模、时变投资组合中，单变量方法能否为条件VaR提供有效的渐近推断？
• RQ2 当投资组合权重随时间变化时，虚拟历史模拟法（VHS）与朴素单变量拟合相比表现如何？
• RQ3 从虚拟投资组合构建中得出的VaR估计量具有何种渐近性质？
• RQ4 在非高斯创新和重尾分布下，VHS是否仍能保持准确性和可靠性？
• RQ5 VHS能否在避免大规模投资组合中多变量GARCH模型计算负担的前提下高效实现？

主要发现

• 与在非平稳投资组合收益下缺乏理论支持的朴素单变量拟合不同，VHS方法可产生条件VaR的渐近有效置信区间。
• 数值实验表明，VHS在覆盖准确性和估计稳定性方面优于朴素拟合，尤其在权重时变时表现更优。
• 在蒙特卡洛模拟中，该方法对重尾和偏态创新（包括学生t分布和AEPD分布）仍保持稳健。
• 在正则性条件（关于投资组合权重和收益动态）下，推导出VHS下VaR估计量的渐近分布，并证明其一致性。
• VHS为多变量GARCH模型提供了一种可扩展的替代方案，避免了大规模投资组合中的维度灾难问题。
• 真实数据的实证结果表明，即使在高维情形下，VHS也能提供具有适当覆盖概率的可靠VaR预测。