相關性
我如何評估參數 VaR 結果對於給定控股的擬合程度有多差？
我目前正在開發一個應用程序，除其他外，計算安全頭寸的一日參數 VaR。我知道計算 VaR 的參數方法不適合非線性工具，例如期權和固定收益。因此我的問題是：
我如何評估參數 VaR 結果對於給定控股的擬合程度有多差？
我對這兩個經驗法則都感興趣——例如，“信用違約掉期總是不適合參數 VaR 計算”和指導方針，例如“隨著久期的增加，固定收益證券變得越來越非線性，並且不適合一旦持續時間高於 X，就適合參數 VaR 計算” 我不知道這些陳述中的任何一個是否為真。我編的。
@pyCthon 的評論很受歡迎。所以我做了一些測試。
對於一小組固定收益證券，我將參數計算與 IR Vol 的蒙地卡羅計算進行了比較。我特別擔心我是否能確定表明差異將超過 MC 結果的 10% 的因素。
以下是我的總結髮現：
- Vanilla IR Swaps (3) - 在我的樣本中差異範圍從 16% 到 40%
- 可轉換債券 (2) - FUGIT > 7 對應於 IR Var 差異 > 500%，FUGIT < 1 對應於差異 < 1% - 但是 2 個債券的樣本量太小而無法概括
- 掉期 (3) - 差異在 3.1% 到 0.3% 之間 - 這些證券的差異百分比很小且沒有變化是無法解釋的。
- 不可贖回債券 (8) - 這是最有趣的發現。其中三個持股的百分比差異低於 7%，而其他五個的百分比差異在 36% 到 77% 之間——在檢查了各種因素（久期、dv01、凸度、θ、到期年數等）之後，我是最終能夠通過比較參數 IR Vol 計算中使用的縮放加權平均項 vol(2) 來預測和排列百分比差異。當 scaled avg vol 低於 1 時，百分比差異在 10% 以下，並且百分比差異隨著 scaled avg vol 的增加而增加。
(1) FUGIT：可轉換債券的預期年限
(2) 標度加權平均期限 vol 計算為
$$ \sum{(vol * dv01 * rate)} \frac {Median_{WeightedVols} }{ Range_{WeightedVols}} $$