模拟

模拟预期不足(ES)测试统计数据

全部折叠在页面中

语法

本系统=模拟(于)
于本=模拟(本、名称、值)

描述

例子

于本=模拟(<一个href="#d120e22165" class="intrnllnk">于本)模拟ES测试统计数据。的模拟函数根据中所示的分布假设模拟投资组合的结果<一个href="//www.tatmou.com/help/risk/esbacktestbysim.html">esbacktestbysim对象，并计算每个场景下支持的所有测试统计信息。金宝app利用模拟试验统计量来估计ES回测的显著性。

例子

于本=模拟(<一个href="#d120e22165" class="intrnllnk">于本,<一个href="#namevaluepairarguments" class="intrnllnk">名称,值)添加可选的名称-值对参数。

例子

全部折叠

打开生活的脚本

创建一个esbacktestbysim对象并运行1000个场景的模拟。

负载<年代p一个n style="color:#A020F0">ESBacktestBySimDatarng (<年代p一个n style="color:#A020F0">“默认”);<年代p一个n style="color:#228B22">%的再现性于本= esbacktestbysim(回报,VaR,,<年代p一个n style="color:#A020F0">“t”,<年代p一个n style="color:#0000FF">…“DegreesOfFreedom”10<年代p一个n style="color:#0000FF">…“位置”亩,<年代p一个n style="color:#0000FF">…“规模”σ,<年代p一个n style="color:#0000FF">…“PortfolioID”,<年代p一个n style="color:#A020F0">“标普”,<年代p一个n style="color:#0000FF">…“VaRID”,(<年代p一个n style="color:#A020F0">“t (10) 95%”,<年代p一个n style="color:#A020F0">“t (10) 97.5%”,<年代p一个n style="color:#A020F0">“t (10) 99%”),<年代p一个n style="color:#0000FF">…“VaRLevel”,VaRLevel);

无条件测试报告1000个场景(参见场景报告中的列)。

无条件(于)
ans =<年代p一个n class="emphasis">表3×10PortfolioID VaRID VaRLevel无条件PValue TestStatistic CriticalValue观测场景TestLevel ___________ _________________ ________ _________________ ______ _________________ _________________ _______替“标普”“t(10) 95%”接受0.95 0.093 -0.13342 -0.16252 0.95 1966 1000“标普”“t(10) 97.5%”拒绝0.031 -0.25011 -0.2268 0.975 0.95 1966 1000“标普”“t(10) 99%”拒绝0.008 -0.57396 -0.38264 0.99 0.95 1966 1000

方法对5000个场景运行第二个模拟模拟函数。使用更新后的命令重新运行无条件测试esbacktestbysim对象。注意，测试现在显示了5000个场景以及更新<年代p一个n class="emphasis">p-值和临界值。

于本=模拟(本系统,<年代p一个n style="color:#A020F0">“NumScenarios”,5000);无条件(于)
ans =<年代p一个n class="emphasis">表3×10PortfolioID VaRID VaRLevel无条件PValue TestStatistic CriticalValue观测场景TestLevel ___________ _________________ ________ _________________ ______ _________________ _________________ _______替“标普”“t(10) 95%”接受0.95 0.0984 -0.13342 -0.17216 0.95 1966 5000“标普”“t(10) 97.5%”拒绝0.0456 -0.25011 -0.24251 0.975 0.95 1966 5000“标普”“t(10) 99%”拒绝0.0104 -0.57396 -0.40089 0.99 0.95 1966 5000

输入参数

全部折叠

esbacktestbysim(于本对象，其中包含给定数据的副本PortfolioData,VarData,ESData,分布以及所有组合的投资组合ID、VaR ID和要测试的VaR级别。有关创建esbacktestbysim对象,看到<一个href="//www.tatmou.com/help/risk/esbacktestbysim.html">esbacktestbysim。

名称-值对的观点

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值是对应的值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家。

例子:于本=模拟(营业日,NumScenarios, 1000000,“BlockSize”, 10000年,“TestList”,“条件”)

要模拟的场景数，指定使用逗号分隔的对组成“NumScenarios”一个正整数。

数据类型:双

要在单个模拟块中模拟的场景数，指定使用逗号分隔的对组成“BlockSize”一个正整数。

数据类型:双

要模拟的测试统计信息的指示符，指定为逗号分隔的对“TestList”和包含字符向量的单元格数组或带值的字符串数组有条件的,无条件的,或分位数。

数据类型:细胞|字符串

输出参数

全部折叠

esbacktestbysim(于本)，作为更新后的对象返回。在运行模拟,更新后的esbacktestbysim对象存储用于计算的模拟测试统计信息p-值并生成测试结果。

有关的详细信息esbacktestbysim对象,看到<一个href="//www.tatmou.com/help/risk/esbacktestbysim.html">esbacktestbysim。

更多关于

全部折叠

模拟试验统计和试验意义

VaR和ES模型假设每个时期都是这样t，投资组合结果Xt是否具有累积概率分布Pt。

假设分布Pt为正确(原假设)，则通过:

  • 模拟米场景的N每个观察，例如，<年代p一个n class="inlineequation"> X 年代 = ( X 1 年代 , … , X t 年代 , … , X N 年代 ) ,<年代p一个n class="inlineequation"> X t 年代 ~ P t ,t=1、……N,年代=1、……米。

  • 对于每个模拟场景X年代，计算感兴趣的测试统计量Z年代=Z(X年代),年代=1、……米。

  • 由此产生的米模拟试验统计值Z1、……Z米从一个分布的测试统计假设概率分布Pt是正确的。

的p-值定义为模拟的测试统计量小于在观察的投资组合结果中评估的测试统计量的场景的比例:<年代p一个n class="inlineequation"> Z o b 年代 = Z ( X 1 , … X N ) :

P v 一个 l u e = 1 米 • 年代 = 1 米 我 ( Z 年代 ≤ Z o b 年代 )

在哪里我(Z年代≤Z奥林匹克广播服务公司)是一个指示函数，其值为1如果Z年代≤Z奥林匹克广播服务公司,0否则。如果P测试是1减去测试的置信度，测试结果为“拒绝”如果<年代p一个n class="inlineequation"> P v 一个 l u e < P t e 年代 t 。

临界值定义为模拟试验统计量的最小值Z暴击与一个p-值大于或等于P测试。

参考文献

[1] Acerbi, C.，和B. Szekely。val预期缺口。摩根士丹利资本国际公司。2014年12月。

另请参阅

|<年代p一个n itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代p一个n itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代p一个n itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代p一个n itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代p一个n itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">|<年代p一个n itemscope itemtype="//www.tatmou.com/help/schema/MathWorksDocPage/SeeAlso" itemprop="seealso">

主题

介绍了R2017b

风险管理工具箱文件
金宝app
CECL和IFRS 9在MATLAB中的建模:测量预期信用损失的寿命

CECL和IFRS 9在MATLAB中的建模:测量预期信用损失的寿命

下载白皮书