Evaluating financial tail risk forecasts: Testing Equal Predictive Ability
金融尾部风险预测评价：等预测能力检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确评价 VaR 与 ES 尾部风险预测，并分析金融收益时变波动对检验有限样本表现的影响，直接支持两个金融方向。
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…
关注这篇论文的作者
金融尾部风险预测评价：等预测能力检验
- 研究问题
- 用于 VaR 和 ES 预测评价的 DM 检验及模型置信集，在极端分位数和较短样本外窗口中具有怎样的有限样本性质？
- 方法与思路
- 作者围绕严格一致的非对称损失函数进行模拟，并结合经验与理论分析，解释损失不对称和时变波动对检验表现的影响。
- 材料陈述的贡献
- 摘要称极端尾部风险低估模型难以被检出，小分位水平及短窗口中统计量偏斜且存在不可忽略的第三类错误。
- 阅读关注点
- 应核对第三类错误的定义、各损失函数的设置，以及分位水平、样本外长度和波动过程如何影响检验功效与临界值。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出完整模拟设计和数值，所述临界值问题不能外推至所有风险检验。
原文摘要
This paper provides comprehensive simulation results on the finite sample properties of the Diebold-Mariano (DM) test by Diebold and Mariano (1995) and the model confidence set (MCS) testing procedure by Hansen et al. (2011) applied to the asymmetric loss functions specific to financial tail risk forecasts, such as Value-at-Risk (VaR) and Expected Shortfall (ES). We focus on statistical loss functions that are strictly consistent in the sense of Gneiting (2011a). We find that the tests show little power against models that underestimate the tail risk at the most extreme quantile levels, while the finite sample properties generally improve with the quantile level and the out-of-sample size. For the small quantile levels and out-of-sample sizes of up to two years, we observe heavily skewed test statistics and non-negligible type III errors, which implies that researchers should be cautious about using standard normal or bootstrapped critical values. We demonstrate both empirically and theoretically how these unfavorable finite sample results relate to the asymmetric loss functions and the time varying volatility inherent in financial return data.