王同学2020-09-21 21:03:23
王同学老师好，我有几个问题需要请教一下： 1.投资风险中，目前是否还有surplus at risk的说法？如果有，是如何计算的？是不是用expected surplus(即A(1＋RA）-L(1＋RL））减去双尾Z值乘以surplus的标准差？还是只有Z乘以标准差？ 2.市场风险EVT中，如果数据存在cluster现象，应该选用POT还是GEV？我的理解是应该选择POT，因为这些极端值虽然分布不均，但是在theshold之上就都可以包含进去。 3.操作风险中，关于AMA方法卷积的计算，是否还在今年考纲内？ 非常感谢！
回答（1）
Crystal2020-09-24 11:20:40
Crystal1.书上没有明确写surplus at risk这个概念，只有一个例题，按照例题对应的话，是只有Z乘以标准差
2.你的理解是对的，因为数据聚集的话，GEV就会丢失数据。
3.不在考纲中。
- 评论（0）
- 追问（6）
- 追问
-
谢谢高老师！针对第二个问题，那天吴老师直播的考点串讲也说到这点，cluster现象不满足数据独立同分布，所以还是选择了GEV的方法。模考二中有一道这样的题，所以有点蒙圈啊~~
- 追答
-
额，你把那个模考题发我一下把，我看一下哈。
- 追问
-
是在模考2的第19题，我在别的习题册中看到过，最后选的答案使用GEV，所以有些不解
- 追答
-
我的模考题和你的模考题不太一样啊，你把你的图发我一下把
- 追问
-
Your assignment is to configure a model for financial market (price-based) losses at your bank. For the extreme tail, you want to fit an EVT distribution, either GPD or GEV, to your internal historical loss dataset. However, your bank’s loss data exhibits a high degree of clustering; i.e.,time dependency which violates an assumption that the losses are independent and identically distributed (i.i.d.). Which is the best approach, POT or GEV?
A. The clustering is not relevant and you can use either POT or GEV: unlike CLT, neither EVT distribution requires an assumption that the underlying losses are i.i.d.
B. Use the POT (GPD) approach: GEV (block maxima) requires i.i.d. but POT does not, and in fact, anticipates clustering.
C. Use the GEV (block maxima) approach: with long enough time blocks, the clustering effect should be mitigated.
D. Neither GEV nor POT can be used; there is no currently known method for dealing with non-i.i.d. data under EVT.
大概就是这道题，谢谢老师！
- 追答
-
我明白了，从你的问题和我的回答，我们都是从不丢失数据的角度，但是如果说是考虑数据的聚集性，或者简单点说就是考虑数据的时间因素，这一点中其实pot是做不到的，因为他也就仅仅是不丢失数据而已，所以他没有考虑数据的时间特点。换句话说没有描述时间的参数。
虽然gev从参数上也是没有考虑的，但是有一个办法可以使得数据变得不那么聚集，就是增大你的样本容量，这样的话，两个极端值出现的时间就不会那么密集。当然了这么做势必会丢失数据，同时你这个样本容量取多大是合适的，这么做也是会有新的问题的，就跟pot中门槛到底选多少是一样的。
这种方式在原版书中是有介绍的。
评论
0/1000
追答
0/1000
+上传图片