STANDARD AND STRESSED VALUE AT RISK FORECASTING USING DYNAMIC BAYESIAN NETWORKS
创建于 更新于
摘要
本文提出基于动态贝叶斯网络（DBN）的VaR与SVaR预测框架，并与多种传统模型（历史模拟、ARCH/GARCH/EGARCH、RiskMetrics等）在1991–2020年S&P500日收益上进行逐滚动期比较，结果显示自回归类模型在10日99% VaR上表现最佳，DBN表现可与历史模拟相当但并未显著超越传统模型；对SVaR所有模型均给出高度保守的预测且难以区分准确性，本研究表明DBN作为前瞻性方法具有可行性并为未来将因果推断引入风险预测的研究奠定基础 [page::0][page::22]
