2.3.3. CAViaR modelEngle and Mangan

2.3.3. CAViaR modelEngle and Manganelli (2004) proposed a conditional autore-gressive specification for VaR. This approach is based on a quantileestimation. Instead of modelling the entire distribution, they pro-posed directly modelling the quantile. The empirical fact that thevolatilities of stock market returns cluster over time may be trans-lated quantitatively in that their distribution is autocorrelated.Consequently, the VaR, which is tightly linked to the standarddeviation of the distribution, must exhibit similar behaviour. Anatural way to formalise this characteristic is to use some typeof autoregressive specification. Thus, they proposed a conditionalautoregressive quantile specification that they called the CAViaRmodel.Let rtbe a vector of time t observable financial return and ˇ˛a p-vector of unknown parameters. Finally, let VaRt(ˇ) ≡ VaRt(rt−1, ˇ˛)be the ˛ quantile of the distribution of the portfolio return formed attime t − 1, where we suppress the ˛ subscript from ˇ˛for notationalconvenience.A generic CAViaR specification might be the following

ผลลัพธ์ (ไทย) 1:

2.3.3 cAViaR modelEngle และ Manganelli (2004) เสนอข้อมูลจำเพาะ gressive autore เงื่อนไขสำหรับฟังก์ชัน Var วิธีการนี้จะขึ้นอยู่กับ quantileestimation แทนที่จะสร้างแบบจำลองการกระจายทั้งหมด โปรอึ้งตรงแบบจำลอง quantile พวกเขา ความจริงประจักษ์ว่า thevolatilities ของคลัสเตอร์กลับตลาดหุ้นช่วงเวลาอาจทรานส์ lated quantitatively ที่กระจายของพวกเขาเป็น autocorrelatedดังนั้น VaR ที่แน่นเชื่อมกับ standarddeviation ของการกระจาย ต้องแสดงพฤติกรรมคล้ายกัน Anatural ไป formalise ลักษณะนี้จะใช้ข้อมูลจำเพาะบาง autoregressive typeof ดังนั้น พวกเขานำเสนอข้อมูลจำเพาะ quantile conditionalautoregressive ที่พวกเขาเรียก CAViaRmodel.Let rtbe เวกเตอร์ของเวลา t observable เงินผลตอบแทนและ ˇ˛a p-เวกเตอร์ของพารามิเตอร์ที่ไม่รู้จัก สุดท้าย ให้ VaRt(ˇ) ≡ VaRt (rt−1 ˇ˛) ได้ราคา quantile ˛กระจายของผลงานคืนเกิดขึ้น attime t − 1 ที่เราไม่ใส่ตัวห้อย˛จาก ˇ˛for notationalconvenienceข้อมูลจำเพาะ CAViaR ทั่วไปอาจจะมีต่อไปนี้

ผลลัพธ์ (ไทย) 2:

2.3.3 คาเวียร์และ modelEngle Manganelli (2004) ได้เสนอรายละเอียดผู้เขียน-gressive เงื่อนไขสำหรับ VaR วิธีการนี​​้จะขึ้นอยู่กับ quantileestimation แทนการสร้างแบบจำลองการกระจายทั้งที่พวกเขา PRO-วางโดยตรงการสร้างแบบจำลอง quantile ความเป็นจริงเชิงประจักษ์ที่ thevolatilities ของตลาดหุ้นกลับกลุ่มเมื่อเวลาผ่านไปอาจจะเป็นทรานส์ในปริมาณ lated ว่าการกระจายของพวกเขาคือ autocorrelated.Consequently, VaR ซึ่งมีการเชื่อมโยงอย่างแน่นหนาเพื่อ standarddeviation ของการกระจายจะต้องแสดงพฤติกรรมที่คล้ายกัน วิธีที่จะเป็นระเบียบแบบแผนลักษณะนี้ Anatural คือการใช้สเปคบางส่วนอัต typeof ดังนั้นพวกเขาเสนอข้อกำหนด quantile conditionalautoregressive ที่พวกเขาเรียกว่า CAViaRmodel.Let rtbe เวกเตอร์ของเวลา t ผลตอบแทนทางการเงินติดตามและ P-เวกเตอร์ของพารามิเตอร์ที่ไม่รู้จัก สุดท้ายให้ VART () ≡ VART (RT-1, ˛) เป็น˛ quantile ของการกระจายของ T attime ตอบแทนผลงานที่เกิดขึ้น - 1 ที่เราปราบปรามห้อย˛จากคาเวียร์สำหรับข้อกำหนด notationalconvenience.A ทั่วไป อาจจะมีดังต่อไปนี้

ผลลัพธ์ (ไทย) 3:

2.3.3 . modelengle คาเวียร์ และ manganelli ( 2547 ) ได้เสนอเงื่อนไขาแหล่ง gressive คุณสมบัติ ) วิธีการนี้จะขึ้นอยู่กับ quantileestimation . แทนของแบบจำลองการกระจายทั้งหมด พวกเขา โปรถูกวางโดยตรงแบบจำลองควอนไทล์ .ความจริงเชิงประจักษ์ที่ thevolatilities ของตลาดหุ้นส่งกลับกลุ่มตลอดเวลา อาจจะข้ามในการใช้สายของพวกเขาคือ 52 . จึง , var , ซึ่งเป็นที่แน่นที่เชื่อมโยงกับส่วนเบี่ยงเบนมาตรฐานของการกระจายที่ต้องแสดงพฤติกรรมที่คล้ายกัน วิธี anatural เพื่อ formalise ลักษณะนี้คือการใช้บางประเภทของตัวสเปค ดังนั้นพวกเขาเสนอ conditionalautoregressive ควอนไทล์ข้อมูลที่พวกเขาเรียกว่า caviarmodel ให้ rtbe เวกเตอร์เวลา t ข้อมูลทางการเงินผลตอบแทนและˇ˛เป็น p-vector พารามิเตอร์ที่ไม่รู้จัก สุดท้าย ขอ vart ( ˇ ) ≡ vart ( RT − 1 , ˇ˛ ) เป็น˛ควอนไทล์ของการแพร่กระจายของพอร์ตกลับขึ้น attime T − 1 , ที่เรากดตกลง˛จากˇ˛สำหรับ notationalconvenience .สเปคคาเวียร์ทั่วไปอาจจะต่อไปนี้