Priips
PRIIP 壓力情景
讓我問你關於壓力情景的以下基本原理（IV 附件 10 (c)）：
" 確定每個長度為 w 的子區間的歷史對數正態返回 rt，其中 t=t0, t1, t2, …, tN。"
我發現自己想知道 t0,…,tN 是什麼：事實上，鑑於 RTS 僅提及長達 5 年的歷史數據，我將上述解釋為 t0,…,tN 應該是 5年數據也用於其他性能場景。否則，RTS 應該更具體地說明這些“新數據”的確切來源和方式。
您是否同意這種解釋，或者您是否認為出於壓力目的需要獲取更多歷史數據？
非常感謝您的回答！
我將其解釋為整個五年（分別減少 21 天或 63 天）在 21 天或 63 天視窗中的滾動標準偏差，具體取決於您是在進行一年還是更長的壓力情景。我相信有些人認為一年的壓力情景意味著您只能在 21 天的滾動視窗中回溯一年，但這肯定與其他情景不一致，即無論 RHP 如何，您仍然使用最大的歷史回報量。
壓力情景滾動視窗的 Rick n Backer 方法是您可以選擇的唯一合乎邏輯且正確的方法。這些滾動視窗應針對所有 5Y（如果可用）數據歷史計算。如果我們只使用基於 RHP 的數據，我們將在使用 RHP 較短的產品時遇到很大的麻煩，例如，當產品的 RHP 短於 21 天時，我們將無法計算風險情景，但所有情景都需要顯示在 KID 中。或者，如果 RHP 超過 21 天，但仍然有些短，我們可以得到壓力波動性將低於歷史波動性，這可能導致壓力情景將比不利情景更樂觀，這將與背後的想法相矛盾壓力情景。