Expected Shortfall Modellierung: Fortschritte für Querschnitts- und Zeitreihendaten

• Antragsteller: Professor Dr. Timo Dimitriadis; Professor Dr. Yannick Hoga
• Fachliche Zuordnung: Statistik und Ökonometrie
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 568876076

Als bedingter Tail-Mittelwert hat der Expected Shortfall (ES) in letzter Zeit in der Zeitreihenanalyse an Bedeutung gewonnen, insbesondere durch seine Einführung im Baseler Regelwerk zur Bankenregulierung. Unter anderem dadurch wurde der ES auch in der mikroökonometrischen Literatur als Quantil-trunkierter Erwartungswert populär. Das übergeordnete methodische Ziel des Antrags ist die Verfeinerung der Modellierung des ES (für Zeitreihen- und Querschnittsdaten) entlang mehrerer unterschiedlicher, aber miteinander verbundener Dimensionen. Konkret besteht das erste Ziel darin, neue Elizitierungsmethoden für den ES zu entwickeln, die leistungsfähigere Prognosevergleiche und eine bessere Interpretierbarkeit ermöglichen. Zweitens werden wir ES Regressionen für extreme Risikolevels entwickeln, die für das finanzielle und makroökonomische Risikomanagement von besonderem Interesse sind. Unser drittes Ziel ist es, ES Regressionen zu konstruieren, die Kreuzungen mit der (hilfsweise gebrauchten) Quantilsregression verhindern. Solche Kreuzungen treten in empirischen Arbeiten regelmäßig auf, sind aber unsinnig, so dass ihre Vermeidung die Interpretierbarkeit des Modells und (sehr wahrscheinlich auch) die Prognosegüte verbessert. Das vierte Arbeitspaket untersucht die Verwendung von adaptiven Lernraten in dynamischen (Score-getriebenen) Zeitreihenmodellen für den ES. Ziel ist es, eine bessere Modellanpassung zu erreichen, insbesondere in turbulenten finanziellen und makroökonomischen Zeiten, in denen genaue Risikoprognosen am dringendsten benötigt werden. In Anbetracht dieser Fortschritte sind die allgemeinen empirischen Ziele des Projekts die Verbesserung von ES Prognosen zusammen mit ihrer Bewertungsmethodik sowie die Verbesserung der Schätzung und Interpretation von (dynamischen) ES Regressionen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Niederlande, Schweiz
• Kooperationspartner: Dr. Tobias Fissler; Professor Rutger-Jan Lange, Ph.D.; Ramon de Punder, Ph.D.