楼主描述得有点模糊。“实际损失额没有一次大于VaR值”,这里应该是指小于吧?从标题看,我姑且猜你是在算long position下的out-of-sample (OOS) 1-day-ahead VaR for losses。
实际发生的损失次数为0,就意味着没有任何一个预测时期样本中的return会小于针对3个quantile分别算出来的3类VaR。这个时候exceedance number都是0,算unconditional coverage (uc) test (Kupiec, 1995) 得到的p值一定都是显著的 (通常预设0.05)。这个检验不是越显著越好,是越不显著越好,追求的是更大的p值。应用一个检验一定要回看原作者提出时所设计的原假设和备择假设是怎么定义的。这个检验结果是在提示你这个模型算出来的VaR比较糟糕,无法用来很好地追踪极端值。
exceedance number为0,说明你的模型算出来的VaR在整个预测时期里都偏小,倾向于高估了极端损失的严重程度。如果拿来实盘风管用的话,通俗点说就是太过严谨失去了追踪意义,这不是分析师想要的结果。一个模型算出来的VaR如果表现合适的话,其hit ratio应该是和所设定的0.1,0.05,0.01等alpha非常接近的,uc test的p值是越大越好,说明统计上越是无法拒绝“模型识别正确”的原假设。
因此你算VaR的波动率模型是存在问题的,假设你用GARCH-norm模型,那要么是模型规格设定不合适,要么是残差分布设定不合适。不合适的波动率模型规格可能会导致整体高估的条件波动率,波动率偏大则影响VaR,使其偏小;不合适的残差分布设定除了可能高估波动率,还可能会影响quantile的计算,由于不符合数据的分布属性,所以quantile可能偏小,导致VaR偏小。从这两方面入手,分别去选择更合适的设定,一般都能解决该问题。
|