Bridging Econometrics and AI: VaR Estimation via Reinforcement Learning and GARCH Models
创建于 更新于
摘要
本文提出结合GARCH波动率模型与双深度Q网络(DDQN)强化学习的混合框架，将VaR估计转化为分类问题，动态调整风险阈值以应对非线性波动和类别不平衡。基于16年欧元区Stoxx 50数据，模型显著提升了VaR预测准确率，减少了违规频率和时序聚集，符合Kupiec和Christoffersen测试，且极值理论支持其尾部风险拟合能力，为金融风险管理提供了统计稳健、资本高效的解决方案[page::0][page::1][page::2][page::5][page::13][page::14][page::17][page::21]
