Comparative Evaluation of VaR Models: Historical Simulation, GARCH-Based Monte Carlo, and Filtered Historical Simulation
VaR 模型比较：历史模拟、GARCH 蒙特卡洛与过滤历史模拟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：摘要明确比较 VaR、预期损失和尾部风险预测，并使用 GARCH 波动模型。
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
VaR 模型比较：历史模拟、GARCH 蒙特卡洛与过滤历史模拟
- 研究问题
- 历史模拟、正态 GARCH 和 GARCH 过滤历史模拟，在日度及多日尾部风险预测中，其违约频率与风险估计校准如何比较？
- 方法与思路
- 作者计算日度 5% VaR，以经验超限频率和图示评价模型，并模拟五日累计收益，比较多期 VaR 与预期损失。
- 材料陈述的贡献
- 摘要报告历史模拟与正态 GARCH 超限过多，过滤历史模拟更接近理论水平；五日模拟中后者给出更稳健、保守的尾部估计。
- 阅读关注点
- 应核对数据和估计窗口、样本内外划分、超限评价是否含正式检验，以及多日模拟和预期损失的计算细节。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列数据、超限数值与检验结果，不能把报告中的模型优势推广至其他市场。
原文摘要
This report presents a comprehensive evaluation of three Value-at-Risk (VaR) modeling approaches: Historical Simulation (HS), GARCH with Normal approximation (GARCH-N), and GARCH with Filtered Historical Simulation (FHS), using both in-sample and multi-day forecasting frameworks. We compute daily 5 percent VaR estimates using each method and assess their accuracy via empirical breach frequencies and visual breach indicators. Our findings reveal severe miscalibration in the HS and GARCH-N models, with empirical breach rates far exceeding theoretical levels. In contrast, the FHS method consistently aligns with theoretical expectations and exhibits desirable statistical and visual behavior. We further simulate 5-day cumulative returns under both GARCH-N and GARCH-FHS frameworks to compute multi-period VaR and Expected Shortfall. Results show that GARCH-N underestimates tail risk due to its reliance on the Gaussian assumption, whereas GARCH-FHS provides more robust and conservative tail estimates. Overall, the study demonstrates that the GARCH-FHS model offers superior performance in capturing fat-tailed risks and provides more reliable short-term risk forecasts.