本文提出基于动态贝叶斯网络(DBN)的VaR与SVaR预测框架,并与多种传统模型(历史模拟、ARCH/GARCH/EGARCH、RiskMetrics等)在1991–2020年S&P500日收益上进行逐滚动期比较,结果显示自回归类模型在10日99% VaR上表现最佳,DBN表现可与历史模拟相当但并未显著超越传统模型;对SVaR所有模型均给出高度保守的预测且难以区分准确性,本研究表明DBN作为前瞻性方法具有可行性并为未来将因果推断引入风险预测的研究奠定基础
| 模型类别 | Normal 分布 | Skewed Student's t |
|---|---|---|
| ARCH(1) | 21 | 0 |
| GARCH(1,1) | 0 | 4 |
| EGARCH(1,1) | 0 | 6 |
| RiskMetrics | 2 | 21 |
| HistoricalSimulation | 3 | — |
| Delta-Normal | 5 | — |
| BN - MMHC | 3 | — |
| BN - PC (Stable) | 3 | — |
| BN - SI-HITON-PC | 3 | — |
| 模型类别 | Normal 分布 违约数 |
|---|---|
| ARCH(1) | 1 |
| GARCH(1,1) | 2 |
| EGARCH(1,1) | 2 |
| RiskMetrics | 0 |
| HistoricalSimulation | 0 |
| Delta-Normal | 0 |
| BN (三算法) | 0 |
元数据与概览(引言与报告概览)
逐节深度解读
图表与表格深度解读
Table 1(10-day 99% VaR breaches):表列出各模型在 7,286 天上的违约(breaches)次数;关键数据包括:ARCH(normal)=21 breaches, ARCH(skewed t)=0, GARCH(normal)=0, GARCH(skewed t)=4, EGARCH(normal)=0, EGARCH(skewed t)=6, RiskMetrics(normal)=2, RiskMetrics(skewed t)=21, HistoricalSimulation=3, Delta-Normal=5;三种 BN(MMHC, PC Stable, SI-HITON-PC)均报告 3 次违约,且 BN 的违约日与历史模拟完全一致(1997-10-27、1998-08-31、2008-09-29)。这些数字显示:多数模型违约极少,传统模型总体偏保守;自回归模型在某些设定下(GARCH/EGARCH 正态)甚至未出现违约。
Table 2(VaR 的 MAE / RMSE / MAPE 指标):作者给出多模型的预测误差度量,结论是 EGARCH(normal) 在三指标上最优,ARCH(normal) 最差,历史模拟在中下游,三种 BN 的整体误差与历史模拟接近;MMHC 在 BN 中表现最差,SI-HITON-PC 在 MAPE 上最优。作者并指出多数自回归模型在用偏学生 t 分布时准确性反而恶化(GARCH、EGARCH、RiskMetrics),而 ARCH 在偏 t 下有所改善,表明尾部分布的选择对不同模型影响不一且并非总是偏 t 更好。
Table 3(10-day 99% SVaR breaches):在压力期校准下,违约极少甚至为零(历史模拟与 delta-normal 在表中为 0;BN 三种算法均为 0;ARCH/GARCH/EGARCH 在正态下分别为 1、2、2;RiskMetrics 在两种分布下为 0),BN 无违约。作者认为这符合预期(压力期校准导致预测偏高),但也导致常规背测工具失去辨别力。
Table 4(SVaR 的 MAE/RMSE/MAPE):GARCH(normal) 在 SVaR 上表现最佳,RiskMetrics(normal) 最差,历史模拟排名靠后。作者进一步指出偏学生 t 在 SVaR 的尾部拟合反而较差(GARCH/EGARCH 在偏 t 下误差显著上升 40%-65%),说明偏 t 虽能拟合整体分布的偏度/峰度,但在极端尾部表现未必优于正态分布用于这些模型的情景。BN 在 SVaR 上表现波动更大,三种算法排序不同:MMHC 在 SVaR 上最优,PC (Stable) 最差,这可能与压力期是否包含 BN 预测值有关(若 BN 的 one-day-ahead 预测被纳入压力期,会在随日的已知实际值替换时影响误差)。
估值/模型经济意义(说明未含估值模型)
风险因素评估(作者识别与本段补充)
批判性视角与细微差别
结论性综合(关键发现与总结)
附:关于表格与附录(BN 变量)
总体评价(客观的实证贡献)
若需,我可以:
2512.05661.pdf