主要内容

minBiasAbsolute

期望缺口(ES)的最小偏差绝对检验Acerbi-Szekely的回溯检验

在页面上崩溃

句法

testResults = minbiasabsolute（ebts）
[TestResults，SimtestStatistic] = MinbiasaBsolute（ebts，name，值）

描述

例子

检测结果= minbiasabsolute（于本的）Acerbi-Szekely(2017)使用最小偏差预期不足(ES)的绝对版本进行了回溯测试esbacktestbysim对象。

例子

[检测结果那SimTestStatistic) = minBiasAbsolute (于本那名称,值的）除了前面语法中的输入参数外，指定使用一个或多个名称-值对参数的选项。

例子

全部折叠

打开生活的脚本

创建一个esbacktestbysim对象。

加载esbacktestbysimdata.rng (“默认”）;再现性的百分比于本= esbacktestbysim(回报,VaR,,“t”那......'自由程度'，10，......“位置”亩,......“规模”，西格玛，......“PortfolioID”那“标准普”那......'Varid', (“T（10）95％”那“T（10）97.5％”那“t(10) 99%”),......“VaRLevel”，varlevel）;

生成检测结果和SimTestStatistic报告为minBiasAbsoluteES反向来。

(检测结果,SimTestStatistic) = minBiasAbsolute(系统)
检测结果=表3×10PortfolioID VARID VaRLevel MinBiasAbsolute p值TestStatistic CriticalValue观测场景TestLevel ___________ _____________ ________ _______________ ______ _____________ _____________ ____________ _________ _________ “S＆P” “T（10）95％” 0.95接受0.062 -0.0014247 -0.0015578 1966 1000 0.95 “S＆P”“T（10）97.5％“0.975拒绝0.029 -0.0026674 -0.0023251 1966 1000 0.95”S＆P“”T（10）99％“0.99拒绝0.005 -0.0060982 -0.0039004 1966 1000 0.95
SimTestStatistic =3×10000.0023 0.0004 0.0009 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.000 0 0.0002 0.0002 0.0002 0.0002 0.0002 0.0004 0.0001 0.0013 0.0001 -0.0008 0.0006 0.0008 -0.0007 -0.0014 -0.0009  -0.。0.0.0.4 0.0000 0.0011 0.0014 -0.0004 0.0004 -0.0003 -0.0032 -0.0008 0.0011 0.0008 -0.0013 -0.0018 0.0010 0.0003 0.0036 0.0005 -0.0032 0.0009 0.0017 0.0002 -0.0003 0.0011 -0.0001 -0.0001 0.0000 0.0001 0.0006 0.0007 0.0000 0.0015 0.0013 0.0030 0.0015 -0.0008 -0.0008 0.0003 0.0005 -0.0007 -0.0010 -0.0002 -0.0002 0.0024 0.0002 -0.0006 -0.0010 0.0012 -0.0002 -0.0017 -0.0012 -0.0005 -0.0004 0.0012 0.0018 -0.0008 0.0004 0.0001 -0.0039 -0.0013 0.0011 0.0013 -0.0020 -0.0031 0.0010 0.0005 0.0052 -0.0008 -0.0048 0.0014 0.0027 0.0007 0.0005 0.0007 0.0001 -0.0010 0.0024 0.0009 0.0016 0.0012 0.0004 0.0020 0.0022 0.0050 0.0027 0.0007 -0.0012 -0.0001 0.0014 -0.0019 -0.0020 -0.0014 -0.0009 0.0038 0.0003 0.0003 -0.0015 0.0016 0.0009 -0.0015 -0.0009 0.0008 -0.0010 0.0022 0.0016 -0.0023 0.0013 0.0016 -0.0040 -0.0033 0.0014 0.0020 -0.0040 -0.0055 0.0008 0.0008

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.那vardata.那ESData,分布属性)和所有组合的投资组合id, VaR id和VaR水平被测试。有关创建的详细信息esbacktestbysim对象，参见esbacktestbysim。

名称 - 值参数

指定可选的逗号分离对名称,值参数。名称是参数名称和价值对应的值。名称必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家。

例子:testResults = minbiasabsolute（ebts）

测试置信水平，指定为逗号分隔对组成'testlevel'和之间的数值0.和1。

数据类型：双

输出参数

全部折叠

结果，返回为一个表，其中行对应于所有组合的投资组合id, VaR id，和要测试的VaR水平。各列对应下列信息:

  • “PortfolioID”-给定数据的投资组合ID

  • 'Varid'—提供的每个VaR数据列的VaR ID

  • “VaRLevel”—对应VaR数据列的VaR级别

  • “MinBiasAbsolute”-带有类别的分类数组“接受”和'拒绝'表明结果minBiasAbsolute测试

  • 'pvalue'-P.- 为valueminBiasAbsolute测试

  • “TestStatistic”-minBiasAbsolute测试统计信息

  • “王视”-临界值minBiasAbsolute测试

  • '观察'- 观察次数

  • “情景”—需要获取的模拟场景个数P.- 值得

  • 'testlevel'- 测试置信水平

笔记

对于测试结果，条款“接受”和'拒绝'用于方便起见。从技术上讲，测试不接受模型;相反，测试无法拒绝它。

测试统计量的模拟值，返回为NumVaRs——- - - - - -numscenarios.数字数组。

更多关于

全部折叠

最小偏见的测试，Acerbi和Szekely的绝对版本

这绝对的版本的Acerbi-Szekely测试[1]计算TestStatistic以数据为单位。

给出了最小偏差检验统计量的绝对形式

Z. M. 一世 N. B. 一世 一个 S. 一个 B. S. = 1 N. σ. T. = 1 N. （ E. S. T. - V. 一个 R. T. - 1 P. V. 一个 R. （ X T. + V. 一个 R. T. 的） _ 的）

在哪里

XT.是投资组合的结果，即投资组合的收益或投资组合的损益T.。

var.T.这是一个时期的基本VaR吗T.。

es.T.这段时间的预期短缺吗T.。

P.var.是Var失败的概率，定义为1 - VAR水平。

N.是测试窗口中的周期数(T.= 1，......N.）.

(x)_为负部分函数，定义为X) _ =马克斯（0， -X）.

测试的显著性

检验统计量的负值表示风险被低估。

最小偏差检验是一种单边检验，当有证据表明模型低估了风险时，拒绝模型(有关技术细节，请参阅Acerbi-Szekely[1]和[2])。测试拒绝模型时P.-value小于1减去测试置信水平。有关模拟测试统计信息的步骤和计算的详细信息P.-values和临界值，见模拟。

ES回测必然是近似的，因为它们对预测的VaR中的错误很敏感。然而，最小偏倚检验对VaR错误只有很小的敏感性，而且这种敏感性是谨慎的，因为VaR错误会导致更具惩罚性的ES检验。详情请参见Acerbi-Szekely([1]和[2])。当分布信息可用时，建议使用最小偏差检验。

参考文献

阿塞比，卡罗和巴拉兹·塞克利。“反向测试统计的一般性质”。SSRN电子杂志。（2017年1月）。

阿塞比，卡罗和巴拉兹·塞克利。“ES的最小偏差回溯测试。”风险。（2019年9月）。

[3] Acerbi，C.和D. Tasche。“关于预期短缺的一致性。”银行与金融杂志。第26卷，2002，第1487-1503页。

[4] Rockafellar，R.T.和S. Uryasev。“一般损失分配的条件值 - 风险。”银行与金融杂志。第26卷，2002，第1443-1471页。

也可以看看

|||||||

话题

介绍了R2020b

风险管理工具箱文档

金宝app

用MATLAB进行有效的模型风险管理

用MATLAB进行有效的模型风险管理

下载白皮书