A high-frequency approach to Realized Risk Measures
创建于 更新于
摘要
本论文提出了一种基于高频数据估计VaR和ES的方法，称为Realized Risk Measures（RRM），突破现有假设的自相似性限制，通过子调度器与移动平均滤波器去除微观结构影响，并采用厚尾分布拟合，结合特征函数和蒙特卡洛方法，实现对日频风险的精准估计和预测，在合成数据和美国18只股票实证中均优于现有方法[page::0][page::1][page::3][page::5][page::9][page::11][page::14][page::15]
