Exponenta Banner
exponenta event banner

simulate

Симулируйте статистику ожидаемого дефицита (ES) Du-Escanciano (DE)

Свернуть все на странице

Синтаксис

ebtde = simulate(ebtde)
ebtde = simulate(___,Name,Value)

Описание

пример

ebtde = simulate(ebtde) выполняет симуляцию статистики ожидаемого дефицита (ES) Du-Escanciano (DE) [1]. simulate моделирует сценарии и вычисляет поддерживаемую статистику тестов для каждого сценария. Функция использует моделируемую статистику тестов, чтобы оценить значимость обратных тестов ES, когда CriticalValueMethod аргумент пары "имя-значение" для unconditionalDE или conditionalDE установлено в 'simulation'.

пример

ebtde = simulate(___,Name,Value) задает опции, использующие один или несколько аргументы пары "имя-значение" в сложение с входным параметром в предыдущем синтаксисе.

Примеры

свернуть все

Открыть Live Script

Создайте esbacktestbyde объект для модели t с 10 степенями свободы. Сначала запустите conditionalDE тест на основе 1000 сценариев и затем используйте simulate функция для запуска второй симуляции 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

Тесты сообщают о 1000 сценариях, см. Scenarios столбец.

Запустите вторую симуляцию 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 обновленных p-значений и критических значений.

Входные параметры

свернуть все

esbacktestbyde объект, который содержит копию данных (PortfolioData, VarData, ESData, и Distribution свойства) и все комбинации тестируемых уровней VaR, VaR и VaR. Для получения дополнительной информации о создании esbacktestbyde объект, см. esbacktestbyde.

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

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

Количество лагов в conditionalDE тестовая статистика, заданная как разделенная разделенными запятой парами, состоящая из 'NumLags' и положительное целое число. Моделируемая статистика тестов сохранена для всех лагов от 1 на NumLags, так что conditionalDE результаты тестирования доступны для любого количества лагов между 1 и NumLags после запуска simulate функция.

Типы данных: double

Количество моделируемых сценариев, заданное с помощью разделенной разделенными запятой парами, состоящей из 'NumScenarios' и скаляр положительное целое число.

Типы данных: double

Количество сценариев для симуляции в одном блоке симуляции, заданное с помощью разделенной разделенными запятой парами, состоящей из 'BlockSize' и скаляр положительное целое число.

Типы данных: double

Индикатор, для которого моделируется тестовая статистика, задается как разделенная разделенными запятой парами, состоящая из 'TestList' и массив ячеек из векторов символов или строковые массивы 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 моделируемую статистику тестов, которая unconditionalDE используется, чтобы вычислить p значения и сгенерировать результаты тестирования.

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

Подробнее о

свернуть все

Симуляция тестовой статистики

simulation испытательной статистики требует сценариев симуляции возвратов, предположение, что распределение <reservedrangesplaceholder3> <reservedrangesplaceholder2> ~ <reservedrangesplaceholder1> <reservedrangesplaceholder0> возвратов правильно (нулевая гипотеза) и вычисление соответствующей испытательной статистики для каждого сценария.

Более конкретно, следующие шаги описывают процесс симуляции. Описание использует условную статистическую C теста, ES для конкретности, но те же шаги применяются к безусловной статистической U теста ES.

  1. Симулируйте M сценарии возвратов как

    Xs=(X1s,...,XNs), s=1,...,M.

  2. Вычислите соответствующую тестовую статистику как

    CESs=CES(X1s,...,XNs), s=1,...,M.

  3. Задайте P C как эмпирическое распределение моделируемых тестовых статистических значений как

    PC=P[CES≤x]=1MI(CESs≤x),

    где I (.) - функция индикации.

Чтобы вычислить испытательную статистическую величину на этапе 2, рангах или нанесенном на карту <reservedrangesplaceholder5> <reservedrangesplaceholder4> возвратов = <reservedrangesplaceholder3> <reservedrangesplaceholder2> (X t) должен быть вычислен (см. определение испытательной статистики дляunconditionalDE и conditionalDE). Принимая, что распределение модели верно, ранги U t всегда равномерно распределены в модуль интервале. Поэтому на практике непосредственно симуляция рангов более эффективна, чем симуляция возвратов и затем преобразование возвратов в ранги.

The simulate функция реализует процесс симуляции более эффективно следующим образом:

  1. Моделируемые M сценарии возвратов как

    Us=(U1s,...,UNs), s=1,...,M,с Uts~Uniform(0,1).

  2. Вычислите соответствующую тестовую статистическую C ES с помощью моделируемых рангов Us как

    CESs=CES(U1s,...,UNs), s=1,...,M.

  3. Задайте P C как эмпирическое распределение моделируемых тестовых статистических значений как

    PC=P[CES≤x]=1MI(CESs≤x).

После того, как вы определите эмпирическое распределение тестовой статистической P, C на этапе 3, значимость теста следует описаниям, предоставленным дляunconditionalDE и conditionalDE. Те же шаги применяются к безусловной тестовой статистической U ES и ее функции распределения P U.

Ссылки

[1] Du, Z., and J. C. Escanciano. «Ожидаемая нехватка тестов: учет хвостового риска». Наука менеджмента. Том 63, Выпуск 4, Апрель 2017.

[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

Введенный в R2019b

Документация по Risk Management Toolbox

Поддержка