Loss-based Bayesian Sequential Prediction of Value at Risk with a Long-Memory and Non-linear Realized Volatility Model
创建于 更新于
摘要
本文提出了融合递归神经网络（RNN）与长期记忆异质自回归（HAR）模型的新型RNN-HAR模型，实现了对风险价值（VaR）的直接预测。该模型利用基于损失函数的广义贝叶斯推理和序列蒙特卡洛（SMC）方法进行估计和预测，避免了对收益分布的假设。通过对2000至2022年31个市场指数的实证检验，结果显示该模型在单步VaR预测方面显著优于传统HAR及其扩展模型，展现出更强的非线性动态捕捉能力和预测准确性[page::0][page::2][page::6][page::19][page::10][page::13][page::19]
