R语言中的风险价值模型度量指标TVaR与VaR

时间:2022-07-23
本文章向大家介绍R语言中的风险价值模型度量指标TVaR与VaR,主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

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

对于任何(绝对)连续累积分布函数

,严格增加,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 。即

 与

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