统计金融的发展

统计金融的发展

Photo by 迈克尔·杰季奇 on 不飞溅

1.计量尾部风险（ arXiv )

作者 ： Kan Chen , Tuoyuan Cheng

抽象的 ： 风险价值 (VaR) 和预期缺口 (ES) 是金融监管和风险管理中常用的基于高分位数的风险度量。在本文中，我们提出了一种基于可能在一段时间内发生的最大风险事件 (MPMR) 的尾部风险度量。MPMR 强调了尾部风险对风险管理时间框架的依赖性。与 VaR 和 ES 不同，MPMR 不需要指定置信水平。我们为几个众所周知的分布分析得出风险度量。特别是，对于风险事件的大小遵循幂律或帕累托分布的情况，我们表明 MPMR 还与观察次数 n（或等效于时间间隔的长度）的幂律成比例， MPMR(n) ∝ nη，其中 η 是缩放指数 (SE)。尺度不变性允许基于对短期风险的更可靠估计的推断来合理估计长期风险。缩放关系还产生了尺寸分布的尾指数 (TI) ξ 的稳健且低偏差的估计量，ξ = 1/η。我们展示了使用这种风险度量来描述金融市场的尾部风险以及与自然灾害（地震、海啸和过度降雨）相关的风险。

2. 加密货币交易的深度强化学习：解决回测过拟合的实用方法（ arXiv )

作者 ： 贝伦德·杰尔默·德克·戈特 , Xiao-Yang Liu , Xinghang Sun , Jiechao Gao , Shuaiyu Chen , 克里斯蒂娜和王

抽象的 ： 在高度波动的加密货币市场中，设计可盈利且可靠的交易策略具有挑战性。现有的作品应用了深度强化学习方法，并乐观地报告了回测的利润增加，这可能会因过度拟合而出现误报问题。在本文中，我们提出了一种实用的方法来使用深度强化学习来解决加密货币交易的回测过拟合问题。首先，我们将回测过拟合的检测制定为假设检验。然后，我们训练 DRL 代理，估计过拟合的概率，并拒绝过拟合的代理，增加良好交易性能的机会。最后，在从 2022 年 5 月 1 日到 2022 年 6 月 27 日期间的 10 种加密货币上（在此期间加密货币市场崩溃了两次），我们表明，过拟合程度较低的深度强化学习代理的夏普比率高于更多过度拟合的代理、同等权重策略和标准普尔 DBM 指数（市场基准），为可能部署到真实市场提供信心。

3.重新思考广义 Beta 分布族 (arXiv)

作者 ： Jiong Liu , RA血清

抽象的 ： 我们使用均值回复随机微分方程 (SDE) 作为变量的幂来处理广义 Beta (GB) 分布族，其稳态（固定）概率密度函数 (PDF) 是修改后的 GB (mGB) 分布. SDE 方法可以清楚地解释 GB 分布的广义 Beta Prime (GB2) 和广义 Beta (GB1) 限制，以及更进一步的广义逆伽马 (GIGa) 和广义伽马 (GGa) 限制，并描述后两者之间的过渡。我们提供了“传统”GB PDF 的替代形式，以强调 GB 分布的大量有用性在于它允许长期幂律行为最终以有限值终止。我们推导出“传统”GB 的累积分布函数 (CDF)，它属于由正则化 beta 函数生成的族，对于分析分布的尾部至关重要。我们分析了 50 年关于已实现市场波动的历史数据，特别是标准普尔 500 指数，作为使用 GB/mGB 分布的案例研究，并表明其行为与负龙王的行为一致。

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明

本文链接：https://www.qanswer.top/37304/20181713