基于分位数回归森林的VaR估计及风险因素分析

发布时间：2023-05-13 08:09

　　构建非参数、集成性的分位数回归森林算法,对上证综指和标普500指数的VaR进行了估计;同时构建了其他一些主流的方法,包括历史模拟、GARCH族方法、弹性网络、门限分位数回归、CAViaR等,进行检验和对比.通过对不同置信水平下的VaR估计进行多种检验,验证了该方法的有效性和稳健性.进一步,基于分位数回归森林模型定义了一种特征重要性度量方法,评估了各个因素对于风险值的影响权重大小,发现过去一日收益率对上证综指的风险值影响较大,而波动率对标普500指数的风险值影响较大,整体来看两国股市间的风险传导性较弱;并引入偏相依关系,动态地分析了各个因素在不同水平下对于风险值的作用方向,一定程度上弥补了机器学习算法在金融应用中一直存在的"黑箱性"问题.

【文章页数】：10 页

【文章目录】：
0 引言
1 相关VaR估计方法
    1.1 分位数回归森林方法
    1.2 其他分位数估计方法
2 实证分析
    2.1 变量选取
    2.2 VaR估计的回测检验方法
    2.3 95%置信度的VaR估计
    2.4 99%置信度的VaR估计
3 风险因素分析
    3.1 变量重要性度量
    3.2 偏相依关系分析
4 结论



本文编号：3815561