vlambda博客
学习文章列表

R语言中的风险价值模型度量指标TVaR与VaR

原文链接:http://tecdat.cn/?p=11601



99%的预期缺口[…]与99.6%的[…]风险值非常接近

受到“ 瑞士经验”报告中一句话的启发,

在99%置信水平上的预期缺口对应于大约99.6%至99.8%的风险价值。


回顾

因为(VaR和TVaR)都是连续的,并且严格增加,所以可以将任何TVaR与某个VaR关联在一起 。

考虑例如对数正态分布。由于没有关于预期短缺的简单表达式,因此 使用蒙特卡洛模拟对其进行近似。然后,使用累积分布函数获取风险值的关联级别,

 
> n=1e7> TVaR_VaR_LN=function(p){+ X=rlnorm(n)+ E=mean(X[X>qlnorm(p)])+ return(plnorm(E))+ }

例如

 
> TVaR_VaR_LN(.99)[1] 0.9967621

为了绘制它,定义

 
> prob=c(seq(.8,.99,by=.01),.995)> P_ln=unlist(lapply(prob,TVaR_VaR_LN))

现在,如果考虑尾巴较轻的分布,例如指数分布


> P_exp=unlist(lapply(prob,TVaR_VaR_exp))

或厚尾的分布(如帕累托)

 

我们有不同的概率水平。


因此,尾部越重,概率水平越高。因此,在某些情况下,始终用99.6%VaR qppfoximate 99%TVaR可能有效,例如

 
> TVaR_VaR_exp(.99)[1] 0.9963071

 

点击标题查阅往期内容







更多内容,请点击左下角“阅读原文”查看

R语言中的风险价值模型度量指标TVaR与VaR

R语言中的风险价值模型度量指标TVaR与VaR

R语言中的风险价值模型度量指标TVaR与VaR


案例精选、技术干货 第一时间与您分享

长按二维码加关注

更多内容,请点击左下角“阅读原文”查看