|
[1998]指出,确定VaRmodel准确性的问题可以简化为确定命中序列h(α)(t)是否满足以下两个特性的问题:1。无条件覆盖属性:实现超过报告风险值的移动的概率必须精确为α×100%((1-α) ×100%),即P(h(α)(t)=1)=α(P(h(α)(t)=1)=1- α). 否则,我们要么高估了VaR,要么低估了VaR。为了检验这一性质,Kupiec[1995]构建了以下检验统计量P(失效比例),α<0.5。α>0.5的P可以类似地定义。在零假设下:H:^α=α,(43)P渐近遵循χ,即具有一个自由度的卡方分布。第页,共页=-2ln((1- α) TαT(1- α)TαT)(44),其中α=TT+T,T=TXt=1h(α)(T),T=T- T(45)2。独立性:hit序列的任意两个元素(h(α)(t+j),h(α)(t+k))必须相互独立。直觉上,这种情况要求VaR违反的先前历史,{…,h(α)(t- 1) ,h(α)(t)},不得传达任何关于是否会发生额外VaR违规的信息,h(α)(t+1)。如果没有,先前的VaR违规预示着未来的VaR违规,这进一步表明,由于不断变化的市场风险未能完全纳入报告的VaR中,报告的VaR度量缺乏响应性。Christopherson等人【1998年】提出了以下α<0.5的检验统计量IND。α>0.5的测试统计量可以类似地定义。
|