Estimación Bayesiana para medidas de riesgo con distribuciones a priori altamente informativas

E. T. López Sanjuán, M. Parra Arévalo, M. Martínez Pizarro

El método de excesos de un umbral de la Teoría de Valores Extremos permite estudiar las medidas de riesgo asociadas a las observaciones situadas en las colas de la distribución, siendo las más utilizadas Value at Risk (VaR) y Conditional Value at Risk (CVaR).
En este trabajo, se presenta una nueva estrategia bayesiana, basada en el algoritmo de Metropolis-Hastings (MH) para estimar ambas medidas, empleando distribuciones a priori altamente informativas, que se construyen mediante las relaciones existentes entre los parámetros de la distribución del conjunto completo de observaciones y los parámetros de la distribución límite (GPD). Esta nueva estrategia, que no sólo emplea los datos de la cola, proporciona mejores estimaciones para el VaR y CVaR que la estrategia habitual de MH. Se muestra también un ejemplo de aplicación práctica.

Keywords: Inferencia Bayesiana; MCMC; MH; VaR, CVaR

Bayesian Methods I
November 8, 2023  4:00 PM
HC4: Sacristía Room

C. Armero i Cervera, G. Calvo, C. Armero, L. Spezia

P. Gargallo Valero, J. Moreno Gené, M. Salvador Figueras