L'espansione di Cornish–Fisher per i quantili di rischio
Comprendi come Cornish–Fisher corregge i quantili normali con i cumulanti, come differisce da Edgeworth e perché le stime del rischio di coda richiedono controlli di monotonicità e stabilità
Risposta diretta
L'espansione di Cornish–Fisher approssima i quantili di una distribuzione correggendo un quantile normale di riferimento con cumulanti standardizzati. Può tradurre asimmetria e curtosi in aggiustamenti di scenario o VaR, ma una formula troncata può produrre quantili invertiti e stime inaffidabili nelle code estreme
Il risultato è un quantile, non una densità
Per la probabilità p, sia z_p=Φ^{-1}(p) il quantile normale standard
Cornish–Fisher corregge z_p, poi riscala il risultato con media target μ e deviazione standard σ
Risponde a quale soglia corrisponde a p, non a quale densità o perdita attesa si trovi oltre quella soglia
Asimmetria e curtosi creano le prime correzioni
Con asimmetria standardizzata γ₁ e curtosi in eccesso γ₂, un troncamento comune inizia con z_p+γ₁(z_p²−1)/6
Poi aggiunge γ₂(z_p³−3z_p)/24−γ₁²(2z_p³−5z_p)/36 prima di moltiplicare per σ e aggiungere μ
Il termine γ₁² mostra che l'ordine asintotico non coincide semplicemente con l'aggiunta di una correzione per ogni momento superiore
L'espansione deriva dall'inversione asintotica
Cornish–Fisher può essere derivata invertendo un'approssimazione di Edgeworth a una distribuzione cumulativa
Edgeworth approssima una densità o una CDF in x; Cornish–Fisher approssima l'x che raggiunge una probabilità cumulativa scelta
Entrambe richiedono una sequenza asintotica dichiarata e una scalatura dei cumulanti se il troncamento deve avere un ordine controllato
Le applicazioni al rischio richiedono la misura corretta
Una stima dei rendimenti fisici può correggere scenari VaR storici o previsionali, mentre i cumulanti impliciti nelle opzioni descrivono una distribuzione risk-neutral
Questi due input rispondono a domande diverse e non vanno mescolati solo perché condividono le parole asimmetria e curtosi
Cornish–Fisher fornisce una soglia, non l'Expected Shortfall, che dipende dall'intera distribuzione delle perdite oltre quella soglia
I quantili possono incrociarsi o procedere all'indietro
La correzione polinomiale cresce rapidamente per |z_p| elevati e può far diminuire un quantile stimato all'aumentare di p
Grande asimmetria o curtosi può anche portare l'approssimazione fuori dal supporto della variabile o invertire l'ordinamento previsto delle code
Un riordinamento monotono può correggere numericamente l'ordine, ma la curva corretta non è più l'espansione troncata intatta
I cumulanti stimati aggiungono un altro livello di errore
Asimmetria e curtosi campionarie sono rumorose e sensibili a outlier, scelta della finestra, cambi di regime e dipendenza
Usare input stimati come se fossero noti ignora l'incertezza dei parametri, che può dominare la correzione asintotica formale
Le probabilità di coda estrema amplificano sia l'errore dei coefficienti sia quello del troncamento, proprio dove le decisioni di rischio sono più importanti
La validazione verifica i quantili come curva
Controlla q(p) su una griglia densa di probabilità per monotonicità, valori finiti, vincoli di supporto e comportamento ragionevole agli estremi
Confronta con distribuzioni esatte, simulazione, intervalli bootstrap e tassi di superamento fuori campione a diversi livelli di probabilità
Registra convenzione dei cumulanti, orizzonte campionario, trattamento della dipendenza, ordine di troncamento, metodo di correzione e calcolo separato dell'Expected Shortfall
Domande frequenti
Che cosa stima l'espansione di Cornish–Fisher?
Stima un quantile scelto a partire da un quantile normale di riferimento più correzioni che coinvolgono asimmetria, curtosi e cumulanti superiori
In cosa differisce Cornish–Fisher da Edgeworth?
Edgeworth approssima una densità o una CDF in un valore, mentre Cornish–Fisher approssima il valore associato a una probabilità scelta
Cornish–Fisher può calcolare l'Expected Shortfall?
Non da sola. L'Expected Shortfall richiede la perdita media oltre il quantile, che non è determinata da una singola soglia corretta
Perché i quantili Cornish–Fisher possono incrociarsi?
Le correzioni polinomiali troncate possono crescere e oscillare nelle code, rendendo non monotona la funzione quantile approssimata