Efficiently Backtesting Conditional Value-at-Risk and Conditional Expected Shortfall
条件风险价值与条件预期损失的高效回测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究金融 VaR 与 ES 风险回测，并以 ARMA-GARCH 条件波动模型作为建模框架。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
条件风险价值与条件预期损失的高效回测
- 研究问题
- 金融风险变量服从 ARMA-GARCH 模型时，如何对条件 VaR 或 ES 构造高效回测，并减少重尾情形下的矩条件要求？
- 方法与思路
- 作者采用两步经验似然回测，并加入误差分布拟合优度约束，旨在改善风险预测准确性与检验功效。
- 材料陈述的贡献
- 摘要称新回测所需有限矩条件少于已有方法，模拟展示良好有限样本表现，实证分析展示金融危机监测用途。
- 阅读关注点
- 应核对 VaR 与 ES 各自的回测约束、两步估计误差处理，以及具体矩条件、误差分布拟合约束和功效比较设计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读；摘要未说明具体矩阶、模型误设影响或危机监测指标，不能推断实际预警能力。
原文摘要
–Given the importance of backtesting risk models and forecasts for financial institutions and regulators, we develop an efficient empirical likelihood backtest for either conditional value-at-risk or conditional expected shortfall when the given risk variable is modeled by an ARMA-GARCH process. Using a two-step procedure, the proposed backtests require less finite moments than existing backtests, allowing for robustness to heavier tails. Furthermore, we add a constraint on the goodness of fit of the error distribution to provide more accurate risk forecasts and improved test power. A simulation study confirms the good finite sample performance of the new backtests, and empirical analyses demonstrate the usefulness of these efficient backtests for monitoring financial crises.