期望损失（ES）回溯测试工作流程中使用模拟
此示例示出了一个预期短缺（ES）工作流程中使用的回测esbacktestbysim宾语。在支持的测试金宝appesbacktestbysim对象需要作为输入不仅测试数据（投资组合，风险价值和ES数据），但也模型的分布的信息进行测试。
该esbacktestbysim类支持三个测金宝app试 - 有条件的，无条件的，和分位数 - 其基于Acerbi-塞克利（2014）。这些测试使用分布假设，模拟返回场景，假设分布假设是正确的（零假设）。模拟场景找到典型值的检验统计量的分布和测试的意义。esbacktestbysim金宝app支持正常和Ť位置尺度分布（在整个测试窗的固定数目的自由度）。
步骤1.将ES回测数据。
使用ESBacktestBySimData.mat文件将数据加载到工作区。这个例子的工作原理与返回数字数组。这个数组代表的股本回报率。相应的VaR数据和VaR的信心水平在风险价值和VaRLevel。预期下滑数据包含在ES。
加载ESBacktestBySimData
第2步：生成一个ES回测情节。
使用情节函数以可视化的ES回测数据。这种类型的可视化是一种常见的第一步骤执行ES回溯测试分析时。此图显示对VaR和ES数据的返回数据。
VaRInd = 2;数字;图（日期，退货日期，-var（：，VaRInd），日期，-ES（：，VaRInd））传奇（“返回”，“风险价值”，'ES'）标题（['测试数据， 'num2str（VaRLevel（VaRInd）* 100）'％ 置信度']）格上
第3步：创建esbacktestbysim宾语。
创建esbacktestbysim使用对象esbacktestbysim。该分配信息被用于模拟收益估计测试的意义。估计意义仿真默认情况下，在创建运行esbacktestbysim宾语。因此，当您创建对象的测试结果是可用的。您可以设置可选的名称 - 值对输入参数'模拟'至假避免了模拟，在这种情况下，你可以使用模拟查询测试结果之前的功能。
RNG（'默认'）;％，持续重现的ID = [“T（DOF）95％”，“T（DOF）97.5％”，“T（DOF）99％”]。的ID = strrep（IDS，“自由度”，num2str（DOF））;EBTS = esbacktestbysim（返回，VAR，ES，分布，...'自由程度'，自由度，...'位置'，亩，...'规模'，西格玛，...'PortfolioID'，“S＆P”，...'VARID'，身份证，...'VaRLevel'，VaRLevel）;DISP（EBTS）
具有属性esbacktestbysim：PortfolioData：[1966x1双] VARDATA：[1966x3双] ESData：[1966x3双]分布：[1x1的结构] PortfolioID： “S＆P” VARID：[ “T（10）95％”，“T（10）97.5％”， “T（10）99％”] VaRLevel：[0.9500 0.9750 0.9900]
DISP（ebts.Distribution）存储在“分配”的属性％分布信息
名称： “T” DegreesOfFreedom：10位置：0比例：[1966x1双]
第4步：生成ES总结报告。
该ES摘要报告提供了有关违规的严重程度，即，是损失有多大相比于日内风险价值VaR的被侵犯时的信息。该ObservedSeverity（或观察到的平均严重性比）列是在数天损失为VAR的比率时风险价值被违反。该ExpectedSeverity（或预期平均严重性比）列显示平均ES的为VAR对天的比率的时风险价值被违反。
S =摘要（EBTS）;DISP（S）
PortfolioID VARID VaRLevel ObservedLevel ExpectedSeverity ObservedSeverity观测故障预期比率缺少___________ _____________ ________ _____________ ________________ ________________ ____________ ________ ______ _______ “S＆P” “T（10）95％” 0.95 0.94812 1.3288 1.4515 1966 102 98.3 1.0376 0 “S＆P”“T（10）97.5％” 0.975 0.97202 1.2652 1.4134 1966 55 49.15 1.119 0 “S＆P” “T（10）99％” 0.99 0.98627 1.2169 1.3947 1966 27 19.66 1.3733 0
第5步：运行所有测试报告。
运行所有测试并生成只有接受或拒绝结果的报告。
T = runtests（EBTS）;DISP（t）的
PortfolioID VARID VaRLevel条件无条件位数___________ _____________ ________ ___________ _____________ ________ “S＆P” “T（10）95％” 0.95拒绝接受拒绝 “S＆P” “T（10）97.5％” 0.975拒绝拒绝拒绝 “S＆P”“T（10）99％” 0.99拒绝拒绝拒绝
步骤6.运行条件测试。
运行条件测试（也被称为第一Acerbi-塞克利试验）各个测试。第二输出（小号）包含模拟测试统计值，假设分布假设是正确的。的每一行小号输出匹配VARID的对应的行中的Ť输出。使用这些模拟的统计信息来确定测试的意义。
[T，S] =条件（EBTS）;DISP（t）的
PortfolioID VARID VaRLevel条件ConditionalOnly p值TestStatistic CriticalValue VaRTest VaRTestResult VaRTestPValue观测场景TestLevel ___________ _____________ ________ ___________ _______________ ______ _____________ _____________ _______ _____________ _____________ ____________ _________ _________ “S＆P” “T（10）95％” 0.95拒绝拒绝0 -0.092302 -0.043941 “POF”接受0.70347 1966 1000 0.95 “S＆P” “T（10）97.5％” 0.975拒绝拒绝0.001 -0.11714 -0.052575 “POF” 接受0.40682 1966 1000 0.95 “S＆P” “T（10）99％” 0.99拒绝拒绝0.003 -0.14608 -0.085433 “POF” 接受0.11536 1966年1000 0.95
谁是小号
名称大小字节类属性小号3x1000 24000双
步骤7可视化的条件测试的意义。
可视化用直方图显示的典型值（模拟结果）的分布的条件测试的意义。直方图中，星号示出了用于实际的回报所观察到的检验统计量的值。这是独立的条件测试的可视化。最终条件测试结果还取决于初步的VaR回测，如图条件测试输出。
NumVaRs =高度（T）;数字;对于VaRInd = 1：NumVaRs副区（NumVaRs，1，VaRInd）直方图（S（VaRInd，:)）;保持上;情节（t.TestStatistic（VaRInd），0，'*'）;保持离;标题= sprintf的（'条件：％S，p值：％4.3f'，t.VaRID（VaRInd），t.PValue（VaRInd））;标题（title）结束
步骤8.运行无条件测试。
运行无条件测试（也被称为第二Acerbi-塞克利试验）各个测试。
[T，S] =无条件（EBTS）;DISP（t）的
PortfolioID VARID VaRLevel无条件p值TestStatistic CriticalValue观测场景TestLevel ___________ _____________ ________ _____________ ______ _____________ _____________ ____________ _________ _________ “S＆P” “T（10）95％” 0.95接受0.093 -0.13342 -0.16252 1966 1000 0.95 “S＆P”“T（10）97.5％” 0.975 0.031拒绝-0.25011 -0.2268 1966 1000 0.95 “S＆P” “T（10）99％” 0.99拒绝0.008 -0.57396 -0.38264 1966 1000 0.95
步骤9可视化无条件试验的显着性。
可视化用直方图显示的典型值（模拟结果）的分布无条件试验的显着性。直方图中，星号示出了用于实际的回报所观察到的检验统计量的值。
NumVaRs =高度（T）;数字;对于VaRInd = 1：NumVaRs副区（NumVaRs，1，VaRInd）直方图（S（VaRInd，:)）;保持上;情节（t.TestStatistic（VaRInd），0，'*'）;保持离;标题= sprintf的（'无条件：％S，p值：％4.3f'，t.VaRID（VaRInd），t.PValue（VaRInd））;标题（title）结束
步骤10.运行位数测试。
运行的位数测试（也被称为第三Acerbi-塞克利试验）各个测试。
[T，S] =位数（EBTS）;DISP（t）的
PortfolioID VARID VaRLevel位数p值TestStatistic CriticalValue观测场景TestLevel ___________ _____________ ________ ______ _____________ _____________ ____________ _________ _________ “S＆P” “T（10）95％” 0.95拒绝0.002 -0.10602 -0.055798 1966 1000 0.95 “S＆P”“T（10）97.5％” 0.975拒绝0 -0.15697 -0.073513 1966 1000 0.95 “S＆P” “T（10）99％” 0.99 0拒绝-0.26561 -0.10117 1966 1000 0.95
第11步显现位数测试的意义。
可视化用直方图显示的典型值（模拟结果）的分布分位数试验的显着性。直方图中，星号示出了用于实际的回报所观察到的检验统计量的值。
NumVaRs =高度（T）;数字;对于VaRInd = 1：NumVaRs副区（NumVaRs，1，VaRInd）直方图（S（VaRInd，:)）;保持上;情节（t.TestStatistic（VaRInd），0，'*'）;保持离;标题= sprintf的（'位数：％S，p值：％4.3f'，t.VaRID（VaRInd），t.PValue（VaRInd））;标题（title）结束
第12步运行估计测试的重要性新的模拟。
运行再次使用5000个方案，以生成一组新的测试结果的仿真。如果测试的一个最初的测试结果是边缘，使用较大的仿真可以帮助澄清测试结果。
EBTS =模拟（EBTS，'NumScenarios'，5000）;T =无条件（EBTS）;无条件测试％的新成果DISP（t）的
PortfolioID VARID VaRLevel无条件p值TestStatistic CriticalValue观测场景TestLevel ___________ _____________ ________ _____________ ______ _____________ _____________ ____________ _________ _________ “S＆P” “T（10）95％” 0.95接受0.0984 -0.13342 -0.17216 1966 5000 0.95 “S＆P”“T（10）97.5％” 0.975拒绝0.0456 -0.25011 -0.24251 1966 5000 0.95 “S＆P” “T（10）99％” 0.99 0.0104拒绝-0.57396 -0.40089 1966 5000 0.95
也可以看看
相关的例子
更多关于
您还可以选择从下面的列表中的网站：
