Pietro CORETTO | Progetti

FUNZIONI DI PERDITA ASIMMETRICHE PER LA MISURA DELLA PERFORMANCE PREVISIVA

In tale contesto si colloca la nostra attività di ricerca con l’intento di voler approfondire l’opportunità di utilizzo di un approccio di tipo diretto e valutare la possibilità di un utilizzo congiunto dei due approcci. In particolare, lo scopo della ricerca è di studiare l’applicabilità e l’utilizzo di funzioni di perdita di tipo statistico e utilizzare in modo congiunto l’approccio basato su funzioni indirette tipo VaR e quello basato sulle funzioni di perdita di tipo statistico.L’approccio proposto prevede di utilizzare le misure del VaR ottenute da un set di possibili modelli come input per il calcolo di funzioni di perdita simmetriche ed asimmetriche. Più in dettaglio le misure del VaR sono considerate, insieme ai rendimenti giornalieri, come input di diverse funzioni di perdita.L’introduzione di funzioni di perdita asimmetriche consente di penalizzare i modelli che presentano un numero di violazioni del VaR superiore a quello atteso. Catturare questo effetto asimmetrico è rilevante per almeno due ragioni. In primo luogo un investitore avverso al rischio potrebbe preferire una sovrastima del rischio piuttosto che una sottostima. In termini di misure del Var questo significa preferire un modello con un numero di violazioni minore (o maggiore) di quello atteso. Secondo, seguendo Manganelli and Engle (2001), il modello GARCH usualmente utilizzato in tale contesto tende a sovrastimare il VaR. La strategia proposta può aiutare nella selezione dei modelli discriminando in termini di capacità previsive. La distanza fra un benchmark di riferimento e I modelli considerati può essere calcolata utilizzando il Model Confidence Set (MCS) proposto da Hansen et al. (2011) che consente di selezionare il set di modelli ottimali in termini di accuratezza delle previsioni.La performance dell’approccio proposto e delle funzioni di perdita asimmetriche introdotte verrà valutato attraverso esperimenti di simulazione Monte Carlo e analisi empiriche su dati del New York Stock Exchange. I risultati originali della ricerca saranno diffusi attraverso interventi in conferenze internazionali e verranno sottoposti per la pubblicazione in riviste di Statistica ed Econometria con "peer-review", e altre riviste interdisciplinari con una solida reputazione scientifica.