徐同学2019-05-02 17:54:35
徐同学老师在讲解30题时加入了几种混合方法的具体使用细节，非常感谢！之前一知半解下甚至误用过。基础课没有详细介绍FRM提到的方法的具体使用（过程和结果），非常遗憾！希望能有专题进行补充。 但只介绍了几种方法的VAR计算，没有提到ES又怎么算？比如BRW方法，越老的数据权重越小，排序依旧，只是影响尾部累积概率（一般最大的5%损失）计算，由此可以确定一个偏小的VAR值，但ES又如何计算呢？还是将大于VAR的损失做平均吗？（老数据的影响岂不是不会消失）或是考虑调整之后的权重做一个加权平均？（这么做似乎也没有依据）
回答（1）
Robin Ma2019-05-03 08:54:40
Robin Ma同学你好，ES是对超过VAR值部分的加权平均，老师视频中介绍的方法在基础班中也介绍过，这些方法都是历史数据或者权重进行调整，在调整后再计算VAR的过程。同样地，在计算出调整过的VAR后，我们可以再利用这些数据重新计算ES，计算所用到的数据权重和计算VAR值的权重是一致的。
- 评论（0）
- 追问（4）
- 追问
-
你好，比如说这个分布，我想应用POT方法对其进行研究，具体该如何操作？这个案例对右侧的“肥尾”比较有兴趣，监控业务指标的“激增”情况。但是如果将整个右尾全部纳入“异常”显然是不合适的，因为它存在一定的周期性，每个几天就会有这么一个“激增”，尚不清楚缘由。
- 追问
-
你好，比如说这个分布，我想应用POT方法对其进行研究，具体该如何操作？这个案例对右侧的“肥尾”比较有兴趣，监控业务指标的“激增”情况。但是如果将整个右尾全部纳入“异常”显然是不合适的，因为它存在一定的周期性，每个几天就会有这么一个“激增”，尚不清楚缘由。
- 追问
-
你好，比如说这个分布，我想应用POT方法对其进行研究，具体该如何操作？这个案例对右侧的“肥尾”比较有兴趣，监控业务指标的“激增”情况。但是如果将整个右尾全部纳入“异常”显然是不合适的，因为它存在一定的周期性，每个几天就会有这么一个“激增”，尚不清楚缘由。
- 追答
-
POT方法的核心在于VAR值的选取，然后把所有超过VAR值的数据进行考虑，计算出一个ES，所以在第一步计算VAR值的时候，就可以根据业务的周期性设置一个哑变量，dummy variable，引入了哑变量之后，业务指标与时间之间的函数会更加精确，然后再结合历史模拟法，加权时间法等方法计算出一个合理的VAR值，一般来说，VAR值越低，POT模型越能通过检验。
评论
0/1000
追答
0/1000
+上传图片