Книга "Bayesian Risk Management. A Guide to Model Risk and Sequential Learning in Financial Markets" представляет собой фреймворк для измерения и управления финансовым риском, который серьезно учитывает модельный риск. Большинство финансовых моделей риска предполагают, что будущее будет выглядеть как прошлое, однако эффективное управление риском зависит от выявления фундаментальных изменений на рынке по мере их возникновения. Книга предлагает более гибкий подход к управлению риском и предоставляет инструменты для измерения финансового риска в динамической рыночной среде. Она открывает дискуссию о неопределенности в параметрах модели, спецификациях модели и прогнозах, основанных на модели, в отличие от стандартных статистических методов измерения риска. Кроме того, она позволяет измерять риск в полностью байесовской среде, не теряя структуру, обеспеченную параметрическими моделями риска и моделями оценки активов.
В книге рассматриваются следующие темы: оценка риска модели по нескольким измерениям без обратного тестирования, моделирование временных рядов без предположения о стационарности, онлайн-оценка моделей временных рядов в пространстве состояний с использованием методов симуляции, выявление неопределенности в основных моделях риска и оценки активов, внедрение байесовского подхода к риску в сложной организации.
Игнорирование неопределенности в моделировании риска создает иллюзию владения ситуацией и приводит к ошибочному принятию решений. Компании, игнорирующие многие измерения модельного риска, измеряют слишком мало риска и в итоге берут на себя слишком много риска. Книга "Bayesian Risk Management" предоставляет дорожную карту для лучшего управления риском путем более осмотрительного измерения с полным охватом неопределенности модели.
Эта книга представляет собой основы управления рисками, которые серьезно относятся к модельному риску. Большинство финансовых моделей риска предполагают, что будущее будет похоже на прошлое. Однако эффективное управление рисками зависит от выявления фундаментальных изменений на рынке по мере их возникновения.
В книге Bayesian Risk Management описывается более гибкий подход к управлению рисками и приводятся инструменты для измерения финансовых рисков в динамичной рыночной среде. Эта книга открывает дискуссию о неопределенности в параметрах модели, спецификациях модели и прогнозах, основанных на модели, что недоступно в стандартных статистических измерениях риска. И в отличие от существующих методов машинного обучения, представленная здесь основа позволяет измерять риск в полностью байесовской среде, не теряя структуры, обеспечиваемой параметрическими моделями риска и ценообразования активов.
Книга помогает распознавать допущения, заложенные в классической статистике, количественно оценивать модельный риск по множеству измерений без обратного тестирования, моделировать временные ряды без предположения стационарности, оценивать модели состояния пространства в режиме реального времени с помощью методов имитации, выявлять неопределенность в базовых моделях риска и ценообразования активов.
Игнорирование неопределенности в моделировании рисков создает иллюзию компетентности и способствует ошибочному принятию решений. Фирмы, которые игнорируют многие аспекты модельного риска, измеряют слишком мало риска и в итоге берут на себя слишком много. Bayesian Risk Management дает дорожную карту к улучшению управления рисками за счет более осмотрительного измерения с всесторонним рассмотрением модельной неопределенности.
Электронная Книга «Bayesian Risk Management. A Guide to Model Risk and Sequential Learning in Financial Markets - Matt Sekerke» написана автором Matt Sekerke в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118747452
Описание книги от Matt Sekerke
A risk measurement and management framework that takes model risk seriously Most financial risk models assume the future will look like the past, but effective risk management depends on identifying fundamental changes in the marketplace as they occur. Bayesian Risk Management details a more flexible approach to risk management, and provides tools to measure financial risk in a dynamic market environment. This book opens discussion about uncertainty in model parameters, model specifications, and model-driven forecasts in a way that standard statistical risk measurement does not. And unlike current machine learning-based methods, the framework presented here allows you to measure risk in a fully-Bayesian setting without losing the structure afforded by parametric risk and asset-pricing models. Recognize the assumptions embodied in classical statistics Quantify model risk along multiple dimensions without backtesting Model time series without assuming stationarity Estimate state-space time series models online with simulation methods Uncover uncertainty in workhorse risk and asset-pricing models Embed Bayesian thinking about risk within a complex organization Ignoring uncertainty in risk modeling creates an illusion of mastery and fosters erroneous decision-making. Firms who ignore the many dimensions of model risk measure too little risk, and end up taking on too much. Bayesian Risk Management provides a roadmap to better risk management through more circumspect measurement, with comprehensive treatment of model uncertainty.
