Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-fin > arXiv:1705.04537

帮助 | 高级搜索

定量金融 > 风险管理

arXiv:1705.04537 (q-fin)
[提交于 2017年5月12日 ]

标题: Murphy图:预期损失的预报评估

标题: Murphy Diagrams: Forecast Evaluation of Expected Shortfall

Authors:Johanna F. Ziegel, Fabian Krüger, Alexander Jordan, Fernando Fasciati
摘要: 受巴塞尔3号监管规定的影响,最近的研究考虑了风险价值和预期损失的联合预测。 在这一背景下,可以使用一大类评分函数来评估预测性能。 然而,目前缺乏直观或实证的指导,这使得在实践中选择评分函数变得困难。 因此,我们开发了图形检查(Murphy图),以判断在相关评分函数类别下,一种预测方法是否优于另一种,并提出了相关的假设检验。 我们通过模拟示例和对标准普尔500指数和DAX指数收益的实证分析来说明这些工具。
摘要: Motivated by the Basel 3 regulations, recent studies have considered joint forecasts of Value-at-Risk and Expected Shortfall. A large family of scoring functions can be used to evaluate forecast performance in this context. However, little intuitive or empirical guidance is currently available, which renders the choice of scoring function awkward in practice. We therefore develop graphical checks (Murphy diagrams) of whether one forecast method dominates another under a relevant class of scoring functions, and propose an associated hypothesis test. We illustrate these tools with simulation examples and an empirical analysis of S&P 500 and DAX returns.
主题: 风险管理 (q-fin.RM) ; 应用 (stat.AP)
引用方式: arXiv:1705.04537 [q-fin.RM]
  (或者 arXiv:1705.04537v1 [q-fin.RM] 对于此版本)
  https://doi.org/10.48550/arXiv.1705.04537
通过 DataCite 发表的 arXiv DOI
期刊参考: Discussion paper nr. 632, AWI, Heidelberg University

提交历史

来自: Fabian Krüger [查看电子邮件]
[v1] 星期五, 2017 年 5 月 12 日 12:24:40 UTC (207 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
q-fin.RM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2017-05
切换浏览方式为:
q-fin
stat
stat.AP

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号