Alternative Modeling for Long Term Risk

Dominique Guegan (1, 2) , Xin Zhao (1)

1 CES - Centre d'économie de la Sorbonne
2 PSE - Paris School of Economics

In this paper, we propose an alternative approach to estimate long-term risk. Instead of using the static square root method, we use a dynamic approach based on volatility forecasting by non-linear models. We explore the possibility of improving the estimations by different models and distributions. By comparing the estimations of two risk measures, value at risk and expected shortfall, with different models and innovations at short, median and long-term horizon, we find out that the best model varies with the forecasting horizon and the generalized Pareto distribution gives the most conservative estimations with all the models at all the horizons. The empirical results show that the square root method underestimates risk at long horizon and our approach is more competitive for risk estimation at long term.

Dans cet article, nous proposons une approche alternative pour estimer le risque à long terme. Au lieu d'utiliser la méthode de la racine carrée, nous proposons une approche dynamique. Nous comparons deux mesures de risques pour différents modèles de séries chronologiques. Nous trouvons que le meilleur modèle varie en fonction de l'horizon de prévision et de la distribution de Pareto généralisée utilisée. Les résultats empiriques montrent que la méthode de la racine carrée sous estime les risques.

Mots clés: extreme value distribution; Long memory; Value at Risk; expect shortfall; extreme value distribution.

Mots clés: distributions de valeurs extrêmes; Longue mémoire

Domaines: Economies et finances; Gestion et management; Méthodes et statistiques; Probabilités [math.PR]; Statistiques [math.ST]; Théorie [stat.TH]

Dominique Guegan, Xin Zhao. Alternative Modeling for Long Term Risk. 2012. ⟨halshs-00694449⟩