Оценка параметров реального распределения по риск-нейтральному с помощью теоремы Росса

Текущая научно-исследовательская работа посвящена определению параметров реального распределения по риск-нейтральному с помощью теоремы Росса и их использованию при оценке стоимостной меры риска (VaR). После нахождения реального распределения вероятностей с использованием теоремы Росса, мы использовали это реальное распределение при определении VaR и сравнили ее с мерой VaR, основанной на исторических данных. Из полученных результатов можно сделать вывод, что обе оценки VaR и с использованием исторического распределения, которое основано на прошлом, и с использованием реального распределения, которое основано на будущем, не отвергаются тестом Купика. Кроме того, проведенный анализ с использованием матрицы переходных состояний, более концентрированных возле текущего состояния, показывает, что оценка VaR становится более точной, поэтому это означает, что, возможно, мы можем улучшить оценку VaR, основанную на реальном распределении. В целом, оценка VaR на основе реального распределения не отвергается статистическим тестом, она дает результаты, близкие к оценке VaR на основе исторических данных и, возможно, может быть улучшена путем увеличения размерности матрицы переходных вероятностей. Это дает нам существенный результат, так как мы можем использовать реальное распределение вероятностей, полученное с помощью теоремы Росса, которое основывается на будущей информации, для такой распространенной меры риска, как VaR в случаях, когда исторические данные не применимы. Поэтому, несмотря на то, что в эмпирическом исследовании, проведенном в данной научно-исследовательской работе, оценка VaR, основанная на реальном распределении, немного хуже, чем оценка VaR, основанная на исторических данных, данная методика может быть применена в случаях, когда исторические данные не являются достоверным предсказателем, что часто встречается на практике.