Wendy2018-03-07 16:53:24

同学你好。
首先说一下：回测，其实就类似一级学的假设检验。原本我是有一个计算VaR的模型的，现在我要做一个假设检验，检验一下我这个VaR模型到底好还是不好。
如果这个计算VaR的模型本身是好的，那我在做回测时，检验到这个模型是好的。那就没犯任何错误。
如果这个计算VaR的模型本身是好的，那我在做回测时，检验到这个模型是不好的。相当于说原假设（原计算VaR的模型）是正确的，我却拒绝了它（认为它不好）。这就犯了一类错误。
如果这个计算VaR的模型本身是不好的，那我在做回测时，检验到这个模型是不好的。那就没犯任何错误。
如果这个计算VaR的模型本身是不好的，那我在做回测时，检验到这个模型是好的。那就没犯任何错误。相当于说原假设（原计算VaR的模型）是错误的，我却接受了它（认为它好）。这就犯了二类错误。
这个就是一类错误和二类错误。
1. type 1的累计概率10.8%跟type 2的12.8%怎么来的？也就是53页图3数据怎么来的，按照经验得出的？还是通过什么方法计算的？
这个53页图3是巴塞尔协议规定的，在回测中的数据，比如在99%的置信水平下，green区域（回测时exception出现0、1、2、3、4个），认为这个VaR模型，是正确的（因为平均来看，250个交易日，99%的置信水平，1%的显著性水平，平均的exception是1%*250=2.5，0到4都是在均值2.5一定的范围内）。具体如图

2.figure 3-2与3-3，分界线NO=4怎么选出来的？figure 3-2均值为2.5，figure 3-3均值为7.5，想不懂

4还处于green区域的最大值。是一个分界线。
figure 3-2均值为2.5=1%*250=2.5
figure 3-3均值为7.5=3%*250=7.5

3.figure 3-2,分界线4往右是type one error怎么看出来的？案例说exceptions超过一定数值说明模型本来就是错的，为何不是type 2呢？同理figure 3。这个模块是最不理解的，请老师详细解释一下。
这一问可以结合第一问。出现大于等于5个exceptions的累计概率是10.8%。也就相当于一个分为点。