An outlier-robust dynamic semiparametric model for jointly forecasting value-at-risk and expected shortfall

想象一下你是一名气象预报员，正试图预测年度最严重的风暴。你不仅想知道雨何时开始，你还需要知道如果堤坝决口，洪水会涨到多深。在金融世界中，这正是风险管理者所做的事情。他们使用两种特殊的工具来衡量金融市场崩盘的危险程度。第一个工具叫做风险价值（Value-at-Risk, VaR），它就像一个水位计，告诉你一个你有 99% 把握不会被超越的水位线。这是一个流行的“警戒线”。第二个工具——预期不足（Expected Shortfall, ES）——则更为关键：它追问：“好吧，我们知道水可能会越过这条线，但如果真的越过了，水实际会涨到多深？”这是最坏情况下的平均深度。

几十年来，数学家们一直在构建复杂的模型来预测这些水平。然而，这些模型有一个隐秘的弱点：当它们看到“奇怪”的数据点时会陷入恐慌。在金融领域，一个“奇怪”的点是指离群值（outlier）——即突然的大幅价格跳升或暴跌，这种现象并不符合常规模式，就像一颗陨石撞击了平静的湖泊。标准模型将这些陨石视为仅仅是稍大的雨滴，从而让它们扭曲了对未来的整个预测。由王洁（Jie Wang）和徐步云（Buyun Xu）撰写的这篇论文介绍了一种构建这些模型的新方法，它起到了类似减震器的作用。该模型不再让单个陨石摧毁整个系统，而是学会了忽略极端的峰值，确保即使在天气变得混乱时，水位计依然保持准确。

---

问题所在：一个坏苹果如何坏了一整锅粥的预测

金融市场很少是平静的。它们充满了惊喜。有时，由于突发丑闻，股票价格会在一天内下跌 10%；或者因为意外的财报，价格会跳升 15%。用统计学的语言来说，这些都是离群值。

用于预测 VaR 和 ES 的标准模型就像一个非常灵敏的高科技恒温器。如果你往上面泼一桶冰水，恒温器不仅会调整温度，它还会惊慌失措，认为整个房子都冻僵了，然后彻底关闭加热功能。在现实世界中，这意味着单次大规模的市场冲击会导致模型过度反应，预测一场可能永远不会发生的灾难，或者更糟，因为它忙于对上一次冲击做出反应，而错过了下一次真正的危险。

本文作者注意到，虽然这些模型在处理正常的市场“天气”时表现出色，但在“天气”变得极端时却会崩溃。他们想要构建一种能够表达“好吧，那是一个巨大的跳升，但让我们不要让它重写这个市场行为的历史”的模型。

解决方案：“有界创新传播”减震器

为了解决这个问题，研究人员引入了一个概念，称为有界创新传播（Bounded Innovation Propagation, BIP）。可以将它想象成模型大脑中的一个减震器。

想象你正在颠簸的道路上开车。标准模型就像一辆没有悬挂系统的车；每当你遇到一个坑洼（离群值）时，整辆车都会剧烈摇晃，驾驶员也会失去控制。新的 BIP 模型则像一辆拥有重型悬挂系统的汽车。当你遇到一个巨大的坑洼时，悬挂系统会压缩以吸收冲击。车依然感受到了颠簸，但不会翻车。

从技术层面讲，该模型使用了一个“有界函数”。这是一个数学规则，它规定：“无论冲击有多大，它对我们未来预测的影响永远不会超过某个特定的限度。”如果股价下跌了 50%（一个巨大的离群值），该模型在更新未来预测时，会将其视为仅下跌了（例如）10%。它限制了破坏力。

这个新模型被称为 BIP-CAViaR-FZ。它结合了三项内容：

1. CAViaR：一种追踪风险随时间变化的高灵活性方式。
2. FZ 损失函数：一种特殊的评分系统，用于同时检查 VaR（线）和 ES（深度）是否正确。
3. BIP：防止离群值破坏评分的减震器。

实验结果展示

作者并不仅仅是猜测这行得通；他们通过两种方法进行了严格测试：计算机模拟和真实世界数据。

1. 模拟实验室
首先，他们在计算机中创建了数千个虚拟金融市场。他们编写了这些市场，使其具有不同类型的“天气”：有些是平稳的（正态分布），有些具有重尾特征（频繁出现大冲击），有些是偏斜的（下跌幅度大于上涨幅度）。他们甚至在数据中注入了特定的“陨石”（离群值）。

结果非常明确：

• 在晴朗天气下： 新模型的表现与旧模型一样出色。它没有破坏任何东西。
• 在风暴天气下： 当数据中充满离群值时，旧模型会变得混乱并产生巨大误差。然而，新的 BIP 模型保持了冷静。它预测的风险水平要准确得多。
• “重尾”效应： 当数据具有“重尾”特征（意味着极端事件发生的频率高于正态分布所暗示的频率）并且观察极罕见事件（如 1% 的崩盘概率）时，其优势最为明显。在这些艰难场景下，新模型的准确性显著提高。

2. 真实世界测试
接下来，他们利用美国五大科技巨头（苹果、亚马逊、Alphabet/谷歌、英特尔和微软）的真实股票数据测试了该模型。他们观察了 2006 年至 2025 年的每日收益率。

他们发现这些股票价格充满了离群值。例如，亚马逊的股票历史显示了多次看起来像陨石一样的巨大跳升和暴跌。当他们将新的 BIP 模型与标准模型进行比较时：

• 更平滑的预测： 标准模型会对这些跳升做出剧烈反应，导致其风险预测大幅上下波动。BIP 模型产生的预测则更加平滑、稳定。
• 更高的准确性： 当他们检查模型预测未来的效果时，BIP 模型犯的错误更少。它们能更好地捕捉真实的风险水平，而不被噪声所干扰。
• 二次模型（Quadratic Models）： 对于“二次型”版本的模型（即更复杂的模型），改进尤为巨大。这些复杂模型对离群值最为敏感，而 BIP 减震器拯救了它们免于崩溃。

结论

本文指出，通过在计算金融风险的方式中加入一个“减震器”，我们可以使预测在市场混乱时期变得更加可靠。作者发现，新的 BIP-CAViaR-FZ 模型不仅能在离群值存在的情况下生存，而且能在其中表现出色，为预测“警戒线”（VaR）和“洪水深度”（ES）提供了一种更稳健的方法。

虽然标准模型在平静的日子里仍然有用，但作者认为，在现实世界中——即金融市场混乱且充满惊喜的环境下——这种新方法是一种更聪明、更安全的选择。它并没有忽视糟糕的日子，它只是确保某一个糟糕的日子不会毁掉整个预测。