回測

作為無條件預期的預期短缺

  • July 10, 2017

Acerbi 對預期的短缺進行了多次回測。第二次回測就是基於這個等式在此處輸入圖像描述在此處輸入圖像描述

有人知道如何推導出這個等式嗎?誰能解釋一下,為什麼它有意義,尤其是除以 $ \alpha $ ?


背景:我從這個演講中得到了平等https://www.cass.city.ac.uk/faculty-and-research/faculties/finance/seminars-and-workshops/financial-engineering-workshops/ACERBI-Carlo-10.03 .2015.pdf

這就是我知道預期短缺的方式

在此處輸入圖像描述

讓 $ X_t $ 是一個隨機變數,它對某個事件的條件期望 $ E $ 是(誰)給的:

$$ \mathbb{E}^{\mathbb{P}}[X_t|E]=\frac{\mathbb{E}^{\mathbb{P}}[\mathbf{1}_EX_t]}{\mathbb{P}(E)} $$ 在我們的例子中,預期短缺定義為:

$$ \text{ES}{\alpha,t} = -\mathbb{E}^{\mathbb{P}}[X_t|X_t + \text{VaR}{\alpha} < 0] $$ 因此:

$$ \begin{align} \text{ES}{\alpha,t} & = -\frac{\mathbb{E}^{\mathbb{P}}[\mathbf{1}{{X_t + \text{VaR}{\alpha} < 0}}X_t]}{\mathbb{P}(X_t + \text{VaR}{\alpha} < 0)} \[9pt] & = -\frac{\mathbb{E}^{\mathbb{P}}[\mathbf{1}{{X_t + \text{VaR}{\alpha} < 0}}X_t]}{\alpha} \[11pt] & = -\mathbb{E}^{\mathbb{P}}\left[\frac{\mathbf{1}{{X_t + \text{VaR}{\alpha} < 0}}X_t}{\alpha}\right] \end{align} $$ 第二步是定義的結果 $ \text{VaR}_{\alpha}. $

引用自:https://quant.stackexchange.com/questions/35071