Méthodes Stress Test - Finance Quantitative Stack échange
Je travaille sur la tâche suivante:
Compte tenu des données trimestrielles:
Estimer la probabilité de défaut en utilisant les données stressées.
Je ne sais pas vraiment quoi que ce soit au sujet des distributions sous-jacentes. Les seules données que j'ai pour l'inférence sont ces séries chronologiques.
Mon approche initiale était quelque chose comme ceci: Je fais d'abord des séries temporelles stationnaires. Puis éliminer les variables macro-économiques qui ne sont pas significativement corrélées avec ma variable dépendante. Ensuite, utilisez une méthode par étapes pour déterminer les meilleures variables à utiliser dans une régression linéaire. Ensuite, j'inclure les variables exogènes tout en s'adaptant un modèle ARIMA. En chemin, je ferais plusieurs tests (par exemple auto-corrélation, multicolinéarité, stationnarité, etc.). Ensuite, utilisez ce modèle pour la prédiction.
Notez que j'ai fait plusieurs « portefeuilles » différents que je suis raccord. En utilisant ma procédure ci-dessus, certains des scénarios stressées apparaissent déraisonnables. Alors, j'ai commencé à chercher des alternatives tout à fait différentes. Y a-t-il des suggestions?
Je sais que cela est une question portée trop vaste. Pour limiter la portée, je l'ai fait quelques brèves recherches et je crois que certaines solutions de rechange viables pourraient inclure:
- Calibrage des densités de transition dynamiques en utilisant l'inférence bayésienne et MCMC
- Un modèle Vasicek Calibrage conditionnel qui permet de autocorrelation
Le problème est, je ne suis pas trop au courant de ces méthodes et je veux utiliser efficacement mon temps.
Proposeriez-vous que je tente la mise en œuvre de ces solutions de rechange? Ou une autre alternative?
Avez-vous des conseils pour la mise en œuvre en R?