[论文解读] Conditional Expectation as Quantile Derivative

Dirk Tasche|ArXiv.org|Apr 19, 2001

Risk and Portfolio OptimizationDecision Sciences参考文献 15被引用 17

一句话总结

本文证明了加权和的分位数关于权重的导数等于给定和等于分位数时各随机变量的条件期望。该结果进一步被用于推导预期短差（条件风险价值）导数的闭式表达式，证明在标准假设下预期短差是可一致的风险度量，从而为金融领域的风险资本配置提供了严格的理论基础。

ABSTRACT

For a linear combination of random variables, fix some confidence level and consider the quantile of the combination at this level. We are interested in the partial derivatives of the quantile with respect to the weights of the random variables in the combination. It turns out that under suitable conditions on the joint distribution of the random variables the derivatives exist and coincide with the conditional expectations of the variables given that their combination just equals the quantile. Moreover, using this result, we deduce formulas for the derivatives with respect to the weights of the variables for the so-called expected shortfall (first or higher moments) of the combination. Finally, we study in some more detail the coherence properties of the expected shortfall in case it is defined as a first conditional moment. Key words: quantile; value-at-risk; quantile derivative; conditional expectation; expected shortfall; conditional value-at-risk; coherent risk measure.

研究动机与目标

• 建立加权和的分位数关于权重的导数等于对应条件期望的充分条件。
• 将分位数导数结果扩展至预期短差（CVaR）风险度量，推导其对权重变化敏感性的显式公式。
• 在金融风险度量的标准假设下，严格分析预期短差作为风险度量的可一致性性质。
• 通过将风险度量导数与条件期望关联，为资本配置问题提供理论基础。

提出的方法

• 利用条件密度理论，推导分位数导数与条件期望之间的关系，假设一个变量给其余变量的条件密度存在。
• 应用δ方法，在联合分布满足正则性条件时，将∑u_j X_j的α分位数的导数表示为E[X_i | ∑u_j X_j = Q_α(u)]。
• 利用分位数导数结果和条件期望的性质，推导预期短差风险度量关于权重的闭式表达式。
• 应用引理5.1比较不同事件上的条件期望，从而证明预期短差的次可加性和单调性。
• 在指定假设下，证明预期短差满足可一致性风险度量的全部四个公理——单调性、次可加性、正齐次性和平移不变性。
• 利用投资组合的凸锥结构，确保在整个感兴趣定义域内条件期望和风险度量性质的有效性。

实验结果

研究问题

• RQ1 在何种条件下，加权和的随机变量的α分位数关于权重的导数等于各分量在和等于分位数时的条件期望？
• RQ2 如何将分位数导数结果扩展以计算预期短差风险度量关于投资组合权重的导数？
• RQ3 在基于下α尾部条件期望的标准定义下，预期短差（CVaR）是否为可一致的风险度量？
• RQ4 加权和的随机变量联合分布需满足何种结构假设，才能使分位数导数等于条件期望？
• RQ5 预期短差的可一致性性质如何依赖于底层分布及其条件密度的存在性？

主要发现

• 在X_1关于(X_2,…,X_d)的条件密度存在的前提下，∑u_j X_j的α分位数关于权重u_i的导数等于E[X_i | ∑u_j X_j = Q_α(u)]。
• 预期短差风险度量关于u_i的导数由下α尾部上的条件期望给出，从而实现显式的敏感性分析。
• 当定义为-E[X | X ≤ Q_α(X)]时，预期短差满足可一致性风险度量的全部四个公理——单调性、次可加性、正齐次性和平移不变性。
• 该结果在联合分布具有条件密度且随机变量具有有限一阶矩的假设下成立。
• 即使底层分布非椭圆分布，只要满足关于条件密度的技术条件，预期短差的可一致性性质依然成立。
• 本文通过证明在标准定义下预期短差具有可一致性，解决了文献中的歧义，尽管早期研究存在相互矛盾的结论。