一类自适应的风险预测算法及其应用

本文在充分利用交易信息的基础上，用离散随机过程刻画风险的演变，构建了一类分位数框架下的状态-空间模型来度量和预报风险。为了克服参数估计的困难，使模型具有实用价值，仿照传统卡尔曼滤波的思想，依据模型的设定，本文重构了分位数框架下的增益系数和修正过程，设计了一类新的风险预测算法。该算法的主要优势是，能依据观测数据的更新，自适应地修正已有的预测结果，并利用修正后的结果进行预测分析，从而降低连续预测过程中的误差积累，提高风险预测的准确性。文中理论结果和实证结论都证实了这一点。算法的理论分析及其模拟检验表明，修正之后的结果仍然具有无偏性，但方差却显著降低了。因此基于修正后的数值，再做下一步预测，必将减少整个风险预测过程中的误差积累。实际数据的应用结果显示，相比现有的风险预测方法，文中提出的算法能更加准确地预测出风险大小，而且这种预测优势在极端水平下更加明显。算法的提出既丰富了风险预测的手段，又为恰当规避风险，特别是极端风险，提供技术参考。