R语言基于ARMA-GARCH过程的VaR拟合和预测

本文展示了如何基于基础ARMA-GARCH过程（当然这也涉及广义上的QRM）来拟合和预测风险价值（Value-at-Risk，VaR）。

library(qrmtools)# 绘制qq图

library(rugarch)

模拟数据

我们考虑具有t分布的ARMA（1,1）-GARCH（1,1）过程

将ARMA-GARCH模型拟合到（模拟的）数据

拟合一个ARMA-GARCH过程。

计算VaR时间序列

计算风险价值估计值。请注意，我们也可以在这里使用基于GPD的估计模型。

通过随机性检查进行回测

我们来回测一下VaR估计值。

## 回测 VaR_0.99
btest <- VaRTest(alpha,actual =X,VaR =VaR,conf.level =0.95)
btest$expected.exceed# 0.99 * n

## [1] 990

btest$actual.exceed

## [1] 988

btest$uc.Decision
# unconditional test decision (note: cc.Decision is NA here)

## [1] "Fail to Reject H0"

 

基于拟合模型预测VaR

现在预测风险价值。

模拟（X）的未来序列并计算相应的VaR

模拟路径，估算每个模拟路径的VaR（注意，quantile()这里不能使用，所以我们必须手动构建VaR）。

 

---

最受欢迎的见解

1.R语言基于ARMA-GARCH-VaR模型拟合和预测实证研究

2.R语言时变参数VAR随机模型

3.R语言时变参数VAR随机模型

4.R语言基于ARMA-GARCH过程的VAR拟合和预测

5.GARCH（1,1），MA以及历史模拟法的VaR比较

6.R语言时变参数VAR随机模型

7.R语言实现向量自动回归VAR模型

8.R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型

9.R语言VAR模型的不同类型的脉冲响应分析