Расчет ожидаемого дефицита распределения в R?

Question

Я попытался рассчитать ожидаемый дефицит моей модифицированной функции распределения. Я использовал пакет "PerformanceAnalytics".

Fx=c(0.02469009, 0.07225651, 0.11750310, 0.16054298, 0.20148378, 0.24042788, 
0.27747265, 0.31271072, 0.34623021, 0.37811494, 0.40844464, 0.43729513, 
0.46473857, 0.49084358, 0.51567543, 0.53929622, 0.56176501, 0.58313798, 0.60346858, 0.62280765, 0.64120353, 0.65870224, 0.67534753, 0.69118102,  0.70624230, 0.72056903, 0.73419704, 0.74716040, 0.75949154, 0.77122127, 0.78237894, 0.79299245, 0.80308832, 0.81269182, 0.82182695,0.83051655, 0.83878236, 0.84664503, 0.85412424, 0.86123869, 0.86800616, 0.87444357,
0.88056703, 0.88639185, 0.89193258, 0.89720309, 0.90221656, 0.90698551, 0.91152188,0.91583701, 0.91994169, 0.92384618, 0.92756024, 0.93109317, 0.93445380, 0.93765052,0.94069134, 0.94358386, 0.94633531, 0.94895257, 0.99840417, 0.99842013, 0.99843531,0.99844975, 0.99846348, 0.99847654 ,0.99848897 ,0.99850079, 0.99851204, 0.99852273, 0.99853291,1)

library(PerformanceAnalytics)
ES(Fx,p=0.95)

ES calculation produces unreliable result (inverse risk) for column: 1 : -0.169916309516024
   [,1]
ES   NA

Я попробовал не только функцию распределения, но и дискретное распределение вероятностей, но оно выдает те же предупреждения. Я также посмотрел на пакет VaRES. Но мое распределение не относится к какому-либо конкретному параметрическому распределению.

Это способ или другой пакет для расчета ожидаемого дефицита распределения?

Answer 1

Я считаю, что вы получили предупреждение, потому что в ваших данных есть только положительные значения. Вы можете просто преобразовать возвращаемые значения, чтобы они имели нулевое среднее значение, вычитая среднее значение из ряда и добавляя среднее значение обратно к результату ES. Убедитесь, что у вас действительно есть доходная серия на Fx.

Кроме того, вам необходимо указать метод "исторический", чтобы получить ES из вашего фактического / эмпирического распределения вместо параметрического.

Подробную информацию смотрите в описании пакета PerformanceAnalytics в ETL на странице 96.

https://cran.r-project.org/web/packages/PerformanceAnalytics/PerformanceAnalytics.pdf

Я исправил ваш код, предполагая, что Fx является возвращаемой серией, и добавил его ниже.

library(PerformanceAnalytics)

#Data
Fx=c(0.02469009, 0.07225651, 0.11750310, 0.16054298, 0.20148378, 0.24042788, 
     0.27747265, 0.31271072, 0.34623021, 0.37811494, 0.40844464, 0.43729513, 
     0.46473857, 0.49084358, 0.51567543, 0.53929622, 0.56176501, 0.58313798, 0.60346858, 0.62280765, 0.64120353, 0.65870224, 0.67534753, 0.69118102,  0.70624230, 0.72056903, 0.73419704, 0.74716040, 0.75949154, 0.77122127, 0.78237894, 0.79299245, 0.80308832, 0.81269182, 0.82182695,0.83051655, 0.83878236, 0.84664503, 0.85412424, 0.86123869, 0.86800616, 0.87444357,
     0.88056703, 0.88639185, 0.89193258, 0.89720309, 0.90221656, 0.90698551, 0.91152188,0.91583701, 0.91994169, 0.92384618, 0.92756024, 0.93109317, 0.93445380, 0.93765052,0.94069134, 0.94358386, 0.94633531, 0.94895257, 0.99840417, 0.99842013, 0.99843531,0.99844975, 0.99846348, 0.99847654 ,0.99848897 ,0.99850079, 0.99851204, 0.99852273, 0.99853291,1)

#Calculate reference value to check result - ES is the average of the worst X returns.
print(paste('reference value for 87.5% :' , mean(Fx[1:9])))

#Standardizing the data to zero mean
m = mean(Fx)
Fx_s = Fx-m

#Calculating ES
ES = ETL(Fx_s,p=0.875,method = "historical") + m # the old mean has to be added to the result

print(paste('calculated ES for 87.5%: ', ES)