Universität Hohenheim
 

Eingang zum Volltext

Dimitriadis, Timo ; Liu, Xiaochun ; Schnaitmann, Julie

Encompassing tests for value at risk and expected shortfall multi-step forecasts based on inference on the boundary

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:100-opus-18131
URL: http://opus.uni-hohenheim.de/volltexte/2020/1813/


pdf-Format:
Dokument 1.pdf (964 KB)
Gedruckte Ausgabe:
POD-Logo  Print-on-Demand-Kopie
Dokument in Google Scholar suchen:
Social Media:
Delicious Diese Seite zu Mister Wong hinzufügen Studi/Schüler/Mein VZ Twitter Facebook Connect
Export:
Abrufstatistik:
SWD-Schlagw÷rter: Prognose , Value at risk
Freie Schlagw÷rter (Englisch): asymptotic theory on the boundary , joint elicitability , multi-step ahead and aggregate forecasts , forecast evaluation and combinations
Institut: Institut für Volkswirtschaftslehre
DDC-Sachgruppe: Wirtschaft
Dokumentart: ResearchPaper
Schriftenreihe: Hohenheim discussion papers in business, economics and social sciences
Bandnummer: 2020,11
Sprache: Englisch
Erstellungsjahr: 2020
Publikationsdatum: 20.10.2020
 
Lizenz: Hohenheimer Lizenzvertrag Veröffentlichungsvertrag mit der Universitätsbibliothek Hohenheim
 
Kurzfassung auf Englisch: We propose forecast encompassing tests for the Expected Shortfall (ES) jointly with the Value at Risk (VaR) based on flexible link (or combination) functions.
Our setup allows testing encompassing for convex forecast combinations and for link functions which preclude crossings of the combined VaR and ES forecasts. As the tests based on these link functions involve parameters which are on the boundary of the parameter space under the null hypothesis, we derive and base our tests on nonstandard asymptotic theory on the boundary. Our simulation study shows that the encompassing tests based on our new link functions outperform tests based on unrestricted linear link functions for one-step and multi-step forecasts. We further illustrate the potential of the proposed tests in a real data analysis for forecasting VaR and ES of the S&P 500 index.

    © 1996 - 2016 Universität Hohenheim. Alle Rechte vorbehalten.  15.04.15