เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| มาตรวัดความเสี่ยงหาง (Expected Shortfall, Spectral, Expectile)× | ทฤษฎีค่าสุดขีด (Extreme Value Theory: EVT)× | |
|---|---|---|
| สาขาวิชา | การเงิน | การเงิน |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 1999 | 2001 |
| ผู้ริเริ่ม≠ | Artzner, Delbaen, Eber & Heath (coherent risk axioms); Acerbi & Tasche (Expected Shortfall) | Coles (textbook treatment); McNeil, Frey & Embrechts |
| ประเภท≠ | Coherent tail risk measure | Tail / extreme-event model |
| แหล่งต้นตำรับ≠ | Artzner, P., Delbaen, F., Eber, J.-M. & Heath, D. (1999). Coherent Measures of Risk. Mathematical Finance, 9(3), 203–228. DOI ↗ | Coles, S. (2001). An Introduction to Statistical Modeling of Extreme Values. Springer. ISBN: 978-1852334598 |
| ชื่อเรียกอื่น≠ | expected shortfall, conditional value at risk, CVaR, spectral risk measure | EVT, generalized extreme value, generalized Pareto distribution, peaks over threshold |
| ที่เกี่ยวข้อง | 5 | 5 |
| สรุป≠ | Tail risk measures quantify the loss distribution beyond Value-at-Risk (VaR). Expected Shortfall — the expected loss given that VaR is exceeded — is the leading coherent risk measure, formalised by Artzner, Delbaen, Eber and Heath (1999) and shown to be coherent by Acerbi and Tasche (2002). Spectral and expectile-based measures generalise it. | Extreme Value Theory is a statistical framework for modelling the rare events that live in the tail of a probability distribution. As developed in Coles (2001) and applied to risk by McNeil, Frey & Embrechts (2005), it offers two standard routes: the Generalized Extreme Value (GEV) distribution for block maxima and the Generalized Pareto Distribution (GPD), used in the peaks-over-threshold approach, for exceedances above a high threshold. |
| ScholarGateชุดข้อมูล ↗ |
|
|