A DARE for VaR

Abstract

Cet article introduit une nouvelle classe de modèles pour la Value-at-Risk ( VaR ) et l’ Expected Shortfall ( ES ), appelés modèles Dynamic AutoRegressive Expectiles ( DARE ). Notre approche est fondée sur une moyenne pondérée de modèles de VaR et d’ ES , calculés à partir des expectiles, i.e . les modèles Conditional Autoregressive Expectile ( CARE ) introduits par Taylor (2008a) et Kuan et al . (2009). Premièrement, nous recensons brièvement les principales approches non paramétriques, paramétriques et semi paramétriques d’estimation de la VaR et de l’ ES . Deuxièmement, nous détaillons l’approche DARE et montrons comment les expectiles peuvent être utilisés pour estimer ces mesures de risque. Troisièmement, nous utilisons différents tests de validation ( backtesting ) afin de comparer l’approche DARE à différentes méthodes alternatives de prévision de la VaR . Finalement, nous évaluons l’impact du choix des pondérations sur la qualité des prévisions et déterminons les poids optimaux dans le but de sélectionner de façon dynamique le modèle de prévision le plus adapté.

Dynamic large financial networks via conditional expected shortfalls

“…Gerlach and Chen (2014) and Meng and Taylor (2020) generalized the approach of dynamic quantile models with the incorporation of intraday information in conditional expectile models, estimated using a Bayesian method. Hamidi et al (2015) also built on this approach through the use of a combination of Dynamic Auto-Regressive Expectiles (DARE) models, which is analogous to the Dynamic Auto-Regressive Quantile (DAQ) modelling approach of Gouriéroux and Jasiak (2008). Kim and Lee (2016) investigated some of the theoretical and empirical properties of VaR and ES estimations based on Taylor's (2008) proposal and a broad class of non-linear conditional expectile models, whilst Patton et al (2019) and Taylor (2019) proposed various dynamic semi-parametric models for VaR and ES.…”

Estimating portfolio risk for tail risk protection strategies

“…The remainder is invested in the risk-free asset. If rebalancing were continuous and price movements sufficiently smooth, the CPPI allocation rule would ensure that the portfolio does not fall below the floor (Ardia, Boudt, & Wauters, 2016;Balder et al, 2009;Cont & Tankov, 2009;Hamidi, Hurlin, Kouontchou, & Maillet, 2015). However, with discrete rebalancing and jumps in prices, there is a non-negligible probability that the floor is breached.…”

Piaci kockázat és számszerűsítése az R szoftverrel

“…Vannak teljesen alternatív módszerek a kockázat kiszámítására is, amelyek nem is veszik figyelembe a kvartilisokat mint a legmegfelelőbb kockázatbecslési paramétert (Hamidi et al, 2015). Ebben a cikkben nem foglalkozunk ezekkel a metódusokkal és ezzel a kérdéssel.…”