Exponenta Banner
exponenta event banner

моделировать

Моделирование статистики тестов ожидаемого дефицита (ES) Du-Escanciano (DE)

свернуть все на странице

Синтаксис

ebtde = моделирование (ebtde)
ebtde = моделирование (___, имя, значение)

Описание

пример

ebtde = simulate(ebtde) выполняет моделирование статистики тестирования ожидаемого дефицита (ES) Du-Escanciano (DE) [1]. simulate моделирует сценарии и вычисляет поддерживаемую статистику тестов для каждого сценария. Функция использует смоделированную статистику тестов для оценки значимости обратных тестов ES при CriticalValueMethod аргумент пары имя-значение для unconditionalDE или conditionalDE имеет значение 'simulation'.

пример

ebtde = simulate(___,Name,Value) указывает параметры, использующие один или несколько аргументов пары имя-значение в дополнение к входному аргументу в предыдущем синтаксисе.

Примеры

свернуть все

Открыть сценарий в реальном времени

Создание esbacktestbyde для модели t с 10 степенями свободы. Сначала запустите conditionalDE тест на основе 1000 сценариев, а затем использовать simulate для выполнения второго моделирования с 5000 сценариями.

load ESBacktestDistributionData.mat
  rng('default'); % For reproducibility
    % Constructor runs simulation with 1000 scenarios
  ebtde = esbacktestbyde(Returns,"t",...
       'DegreesOfFreedom',T10DoF,...
       'Location',T10Location,...
       'Scale',T10Scale,...
       'PortfolioID',"S&P",...
       'VaRID',["t(10) 95%","t(10) 97.5%","t(10) 99%"],...
       'VaRLevel',VaRLevel);
% Run conditionalDE tests
conditionalDE(ebtde,'CriticalValueMethod','simulation')
ans=3×13 table
    PortfolioID        VaRID        VaRLevel    ConditionalDE    PValue    TestStatistic    CriticalValue    AutoCorrelation    Observations    CriticalValueMethod    NumLags    Scenarios    TestLevel
    ___________    _____________    ________    _____________    ______    _____________    _____________    _______________    ____________    ___________________    _______    _________    _________

       "S&P"       "t(10) 95%"        0.95         reject        0.003        15.285           3.2822           0.088175            1966           "simulation"           1         1000         0.95   
       "S&P"       "t(10) 97.5%"     0.975         reject        0.006        16.177           3.9304           0.090711            1966           "simulation"           1         1000         0.95   
       "S&P"       "t(10) 99%"        0.99         reject        0.037        6.9975           4.1995            0.05966            1966           "simulation"           1         1000         0.95

Отчет о тестах 1000 сценариев, см. Scenarios столбец.

Выполнение второго моделирования с 5000 сценариями

ebtde = simulate(ebtde,'NumScenarios',5000);
conditionalDE(ebtde,'CriticalValueMethod','simulation')
ans=3×13 table
    PortfolioID        VaRID        VaRLevel    ConditionalDE    PValue    TestStatistic    CriticalValue    AutoCorrelation    Observations    CriticalValueMethod    NumLags    Scenarios    TestLevel
    ___________    _____________    ________    _____________    ______    _____________    _____________    _______________    ____________    ___________________    _______    _________    _________

       "S&P"       "t(10) 95%"        0.95         reject        0.0016       15.285           3.2535           0.088175            1966           "simulation"           1         5000         0.95   
       "S&P"       "t(10) 97.5%"     0.975         reject        0.0046       16.177           3.7668           0.090711            1966           "simulation"           1         5000         0.95   
       "S&P"       "t(10) 99%"        0.99         reject        0.0362       6.9975           3.8144            0.05966            1966           "simulation"           1         5000         0.95

Тесты показывают 5000 сценариев и обновленные p-значения и критические значения.

Входные аргументы

свернуть все

esbacktestbyde объект, содержащий копию данных ( PortfolioData, VarData, ESData, и Distribution свойства) и все комбинации идентификаторов портфеля, идентификаторов VaR и уровней VaR, подлежащих тестированию. Дополнительные сведения о создании esbacktestbyde объект, см. esbacktestbyde.

Аргументы пары «имя-значение»

Укажите дополнительные пары, разделенные запятыми Name,Value аргументы. Name является именем аргумента и Value - соответствующее значение. Name должен отображаться внутри кавычек. Можно указать несколько аргументов пары имен и значений в любом порядке как Name1,Value1,...,NameN,ValueN.

Пример: ebtde = simulate(ebtde,'NumLags',10,'NumScenarios',1000000,'BlockSize',10000,'TestList','conditionalDE')

Количество лагов в conditionalDE тестовая статистика, указанная как пара, разделенная запятыми, состоящая из 'NumLags' и положительное целое число. Смоделированная статистика теста сохраняется для всех лагов от 1 кому NumLags, чтобы conditionalDE результаты теста доступны для любого количества задержек между 1 и NumLags после запуска simulate функция.

Типы данных: double

Количество моделируемых сценариев, указанных с помощью пары, разделенной запятыми, состоящей из 'NumScenarios' и скалярное положительное целое число.

Типы данных: double

Количество сценариев для моделирования в одном блоке моделирования, задаваемое с помощью пары, разделенной запятыми, состоящей из 'BlockSize' и скалярное положительное целое число.

Типы данных: double

Индикатор, для которого моделируется статистика тестирования, указанный как пара, разделенная запятыми, состоящая из 'TestList' и массив ячеек из символьных векторов или строковый массив со значением 'conditionalDE', 'unconditionalDE'.

Типы данных: cell | string

Выходные аргументы

свернуть все

ebtde возвращается как обновленный esbacktestbyde объект. После бега simulate, обновленный esbacktestbyde объект хранит смоделированную статистику тестирования, которая unconditionalDE используется для вычисления значений p и генерации результатов теста.

Для получения дополнительной информации о esbacktestbyde объект, см. esbacktestbyde.

Подробнее

свернуть все

Моделирование статистики испытаний

Моделирование статистики тестов требует моделирования сценариев возвращений, предполагая, что распределение возвращений Xt _ Pt является правильным (нулевая гипотеза), и вычисления соответствующей статистики тестов для каждого сценария.

Более конкретно, следующие шаги описывают процесс моделирования. В описании для конкретизации используется статистика условного теста CES, но те же шаги применяются к статистике безусловного теста UES.

  1. Моделирование M сценариев возврата как

    Xs = (X1s,...,  XN), s = 1,..., М.

  2. Вычислите соответствующую статистику теста как

    CES = CES (X1,...,  XN), s = 1,..., M.

  3. Определите PC как эмпирическое распределение смоделированных значений статистики теста как

    PC=P[CES≤x]=1MI (CESs≤x),

    где I (.) - функция индикатора.

Чтобы вычислить статистику теста на шаге 2, необходимо вычислить ранги или отображенные результаты Ut = Pt (Xt) (см. определение статистики теста дляunconditionalDE и conditionalDE). Предполагая, что распределение модели корректно, ранги Ut всегда равномерно распределены в единичном интервале. Поэтому на практике прямое моделирование рангов более эффективно, чем моделирование возвратов и последующее преобразование возвратов в ранги.

simulate функция более эффективно реализует процесс моделирования следующим образом:

  1. Смоделированные M-сценарии возврата в виде

    Us = (U1,...,  UN), s = 1,..., M, с Uts _ Uniform (0,1).

  2. Вычислите соответствующую статистику теста CES, используя смоделированные ранги Us как

    CES = CES (U1,...,  UN), s = 1,..., M.

  3. Определите PC как эмпирическое распределение смоделированных значений статистики теста как

    PC=P[CES≤x]=1MI (CESs≤x).

После определения эмпирического распределения тестового статистического ПК на шаге 3 значение теста следует описаниям, приведенным для unconditionalDE и conditionalDE. Те же шаги относятся к безусловной тестовой статистике ЕЭС и ее функции распределения PU.

Ссылки

[1] Du, Z. и Х. К. Эскансиано. «Ожидаемый дефицит при тестировании: учет остаточного риска». Наука об управлении. Том 63, выпуск 4, апрель 2017 года.

[2] Базельский комитет по банковскому надзору. «Минимальные требования к капиталу для рыночного риска». Январь 2016 (https://www.bis.org/bcbs/publ/d352.pdf).

См. также

| | | | |

Темы

Представлен в R2019b

Документация по инструментам управления рисками

Поддержка