使用模拟预期缺口(ES), val工作流
这个例子显示了一个预期缺口(ES)使用val工作流esbacktestbysim对象。测试支持万博1manbetxesbacktestbysim对象需要不仅作为输入测试数据(投资组合,VaR,西文数据),但也被测试模型的分布信息。
的esbacktestbysim类支持五个测万博1manbetx试条件,无条件的,分位数,这是基于Acerbi-Szekely(2014)和minBiasAbsolute minBiasRelative,基于Acerbi-Szekely(2017和2019)。这些测试使用分布假设模拟返回场景,假设分布的假设是正确的(零假设)。模拟场景找到典型值的分布测试数据和测试的重要性。esbacktestbysim万博1manbetx支持正常的和tlocation-scale分布(固定数量的自由度在test窗口)。
步骤1。加载ES val数据。
使用ESBacktestBySimData.mat文件将数据装载到工作区。这个例子的工作返回数字数组。这个数组代表了股本回报率。相应的变量数据和VaR的信心水平VaR和VaRLevel。预期的缺口中包含的数据西文。
负载ESBacktestBySimData
步骤2。生成一个ES val阴谋。
使用情节函数可视化ES val数据。这种类型的可视化是一种常见的在执行一个ES val分析的第一步。这张图显示了返回数据对VaR和ES数据。
VaRInd = 2;图;情节(日期、返回、日期、var (:, VaRInd),日期,——(:,VaRInd))传说(“返回”,“VaR”,“西文”)标题(“测试数据”,num2str (VaRLevel (VaRInd) * 100)%的信心的])网格在
步骤3。创建一个esbacktestbysim对象。
创建一个esbacktestbysim对象使用esbacktestbysim。的分布信息是用来模拟返回评估测试的意义。仿真估计意义是运行在默认情况下,当你创建esbacktestbysim对象。因此,当您创建可用的测试结果对象。你可以设置可选的输入参数名称-值对“模拟”来假为了避免仿真,在这种情况下,您可以使用模拟函数查询之前的测试结果。
rng (“默认”);%的再现性id = [“t(景深)95%”,“t(景深)97.5%”,“t(景深)99%”];id = strrep (id、“景深”num2str(景深));于本= esbacktestbysim(回报、VaR、ES、分布、…“DegreesOfFreedom”景深,…“位置”亩,…“规模”σ,…“PortfolioID”,“标普”,…“VaRID”IDs,…“VaRLevel”,VaRLevel);disp(于)
esbacktestbysim属性:PortfolioData: x1双[1966]VaRData: [1966 x3双]ESData: [1966 x3双]地理分布:[1 x1 struct] PortfolioID:“标普”VaRID: [" t (10) 95%”“t (10) 97.5%”“t (10) 99%”] VaRLevel: [0.9500 0.9750 0.9900]
disp (ebts.Distribution)%分布信息存储在“分布”属性
名称:“t”DegreesOfFreedom: 10地点:0规模:[1966 x1双)
步骤4。生成ES总结报告。
ES总结报告提供了有关违规行为的严重程度的信息,也就是说,损失有多大相比VaR时候VaR是违反了。的ObservedSeverity(或观察到的平均比率严重程度)列损失的比例是VaR / VaR的日子是违反了。的ExpectedSeverity(或预期的平均比率严重程度)列显示的平均值的比值ES VaR的日子违反了VaR。
S =总结(于);disp (S)
PortfolioID VaRID VaRLevel ObservedLevel ExpectedSeverity ObservedSeverity观察故障预计比失踪___________ _________________ ________ _________________ ___________ ___________ _______说______ ____“标普”“t(10) 95% 0.95 0.94812 1.3288 1.4515 98.3 - 1.0376 1966 102 0“标普”“t(10) 97.5% 1.119 49.15 0.975 0.97202 1.2652 1.4134 1966 55 0“标普”“t(10) 99% 0.99 0.98627 1.2169 1.3947 1966年27日19.66 - 1.3733 0
第5步。运行所有的测试报告。
运行所有测试,并生成一个报告只接受或拒绝的结果。
t = runtests(于);disp (t)
无条件PortfolioID VaRID VaRLevel条件分位数MinBiasAbsolute MinBiasRelative ___________ _________________ ________ ___________ _________________ ________售予售予“标普”“t(10) 95%”0.95拒绝接受拒绝接受拒绝“标普”“t(10) 97.5%”0.975拒绝拒绝拒绝拒绝拒绝“标普”“t(10) 99%”0.99拒绝拒绝拒绝拒绝拒绝
步骤6。运行条件测试。
运行单个测试条件测试(也称为第一Acerbi-Szekely测试)。第二个输出(年代)包含模拟测试统计值,假设分布的假设是正确的。的每一行年代输出匹配VaRID在相应的行t输出。使用这些模拟数据来确定测试的重要性。
(t, s) =条件(于);disp (t)
PortfolioID VaRID VaRLevel条件ConditionalOnly PValue TestStatistic CriticalValue VaRTest VaRTestResult VaRTestPValue观测场景TestLevel ___________ _________________ ________ ___________售予______ _________________ _________________ _________ _________________ _________________ _______替“标普”“t(10) 95%”拒绝拒绝0 0.95 -0.092302 -0.043941“pof”接受0.70347 1966 1000 0.95“标普”“t(10) 97.5%”拒绝拒绝0.001 -0.11714 -0.052575 0.975“pof”接受0.40682 1966 1000 0.95“标普”“t(10) 99%”拒绝拒绝0.003 -0.14608 -0.085433 0.99“pof”接受0.11536 1966 1000 0.95
谁年代
类属性名称大小字节年代3 x1000 24000双
步骤7。可视化条件测试的重要性。
可视化的意义有条件测试使用直方图来显示典型值的分布(仿真结果)。直方图,星号显示检验统计量的值观察实际的回报。这是一个可视化的独立条件测试。最后的条件试验结果还取决于初步VaR val,如条件测试输出所示。
NumVaRs =身高(t);图;为VaRInd = 1: NumVaRs次要情节(NumVaRs 1 VaRInd)直方图(s (VaRInd:));持有在;情节(t.TestStatistic (VaRInd), 0,‘*’);持有从;标题= sprintf (条件:% s,假定值:% 4.3 f 't.VaRID (VaRInd) t.PValue (VaRInd));标题(标题)结束
步骤8。无条件的测试运行。
运行单个测试为无条件的测试(也称为第二Acerbi-Szekely测试)。
(t, s) =无条件(于);disp (t)
PortfolioID 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
第9步。可视化的意义无条件的测试。
可视化的意义无条件使用直方图来显示测试典型值的分布(仿真结果)。直方图,星号显示检验统计量的值观察实际的回报。
NumVaRs =身高(t);图;为VaRInd = 1: NumVaRs次要情节(NumVaRs 1 VaRInd)直方图(s (VaRInd:));持有在;情节(t.TestStatistic (VaRInd), 0,‘*’);持有从;标题= sprintf (“无条件:% s,假定值:% 4.3 f 't.VaRID (VaRInd) t.PValue (VaRInd));标题(标题)结束
第10步。分位数的测试运行。
分位数的测试运行单个测试(也称为第三Acerbi-Szekely测试)。
(t, s) =分位数(于);disp (t)
PortfolioID VaRID VaRLevel分位数PValue TestStatistic CriticalValue观测场景TestLevel ___________ _________________说______ _________________ _________________ _______替“标普”“t(10) 95%”拒绝0.002 -0.10602 -0.055798 0.95 0.95 1966 1000“标普”“t(10) 97.5%”拒绝0 0.975 -0.15697 -0.073513 1966 1000 0.95“标普”“t(10) 99%”拒绝0 0.99 -0.26561 -0.10117 1966 1000 0.95
步骤11。可视化的意义分位数测试。
可视化的意义分位数测试使用直方图来显示典型值的分布(仿真结果)。直方图,星号显示检验统计量的值观察实际的回报。
NumVaRs =身高(t);图;为VaRInd = 1: NumVaRs次要情节(NumVaRs 1 VaRInd)直方图(s (VaRInd:));持有在;情节(t.TestStatistic (VaRInd), 0,‘*’);持有从;标题= sprintf (分位数:% s,假定值:% 4.3 f 't.VaRID (VaRInd) t.PValue (VaRInd));标题(标题)结束
第10步。运行minBiasAbsolute测试。
minBiasAbsolute测试运行单个测试。
(t, s) = minBiasAbsolute(于);disp (t)
PortfolioID VaRID VaRLevel MinBiasAbsolute PValue TestStatistic CriticalValue观测场景TestLevel ___________ _________________ ________售予______ _________________ _________________ _______替“标普”“t(10) 95%”接受0.95 0.062 -0.0014247 -0.0015578 0.95 1966 1000“标普”“t(10) 97.5%”拒绝0.029 -0.0026674 -0.0023251 0.975 0.95 1966 1000“标普”“t(10) 99%”拒绝0.005 -0.0060982 -0.0039004 0.99 0.95 1966 1000
步骤11。可视化minBiasAbsolute测试的重要性。
可视化的意义minBiasAbsolute测试使用直方图来显示典型值的分布(仿真结果)。直方图,星号显示检验统计量的值观察实际的回报。
NumVaRs =身高(t);图;为VaRInd = 1: NumVaRs次要情节(NumVaRs 1 VaRInd)直方图(s (VaRInd:));持有在;情节(t.TestStatistic (VaRInd), 0,‘*’);持有从;标题= sprintf (“minBiasAbsolute: % s,假定值:% 4.3 f 't.VaRID (VaRInd) t.PValue (VaRInd));标题(标题)结束
第10步。运行minBiasRelative测试。
minBiasRelative测试运行单个测试。
(t, s) = minBiasRelative(于);disp (t)
PortfolioID VaRID VaRLevel MinBiasRelative PValue TestStatistic CriticalValue观测场景TestLevel ___________ _________________ ________售予______ _________________ _________________ _______替“标普”“t(10) 95%”拒绝0.003 -0.10509 -0.056072 0.95 0.95 1966 1000“标普”“t(10) 97.5%”拒绝0 0.975 -0.15603 -0.073324 1966 1000 0.95“标普”“t(10) 99%”拒绝0 0.99 -0.26716 -0.104 1966 1000 0.95
步骤11。可视化minBiasAbsolute测试的重要性。
可视化的意义minBiasRelative测试使用直方图来显示典型值的分布(仿真结果)。直方图,星号显示检验统计量的值观察实际的回报。
NumVaRs =身高(t);图;为VaRInd = 1: NumVaRs次要情节(NumVaRs 1 VaRInd)直方图(s (VaRInd:));持有在;情节(t.TestStatistic (VaRInd), 0,‘*’);持有从;标题= sprintf (“minBiasRelative: % s,假定值:% 4.3 f 't.VaRID (VaRInd) t.PValue (VaRInd));标题(标题)结束
步骤12。运行一个新的模拟评估测试的重要性。
再次运行仿真使用5000场景生成一组新的测试结果。如果最初的测试结果的测试是边缘,使用一个较大的模拟可以帮助澄清的测试结果。
于本=模拟(本系统,“NumScenarios”,5000);t =无条件(于);%的新结果无条件的测试disp (t)
PortfolioID 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
另请参阅
总结|runtests|有条件的|无条件的|分位数|模拟|minBiasRelative|minBiasAbsolute
