Cornish-Fisher Expansion for Commercial Real Estate Value at Risk
Notice bibliographique
Résumé
The computation of Value at Risk has traditionally been a troublesome issue in commercial real estate. Difficulties mainly arise from the lack of appropriate data, the non-normality of returns, and the inapplicability of many of the traditional methodologies. As a result, calculation of this risk measure has rarely been done in the real estate field. However, following a spate of new regulations such as Basel II, Basel III, NAIC and Solvency II, financial institutions have increasingly been required to estimate and control their exposure to market risk. As a result, financial institutions now commonly use internal Value at Risk (VaR) models in order to assess their market risk exposure. The purpose of this paper is to estimate distribution functions of real estate VaR while taking into account non-normality in the distribution of returns. This is accomplished by the combination of the Cornish-Fisher expansion expansion with a certain rearrangement procedure. We demonstrate that this combination allows superior estimation, and thus a better VaR estimate, than has previously been obtainable. We also show how the use of a rearrangement procedure solves well-known issues arising from the monotonicity assumption required for the Cornish-Fisher expansion to be applicable, a difficulty which has previously limited the useful of this expansion technique. Thus, practitioners can find a methodology here to quickly assess Value at Risk without suffering loss of relevancy due to any non-normality in their actual return distribution. The originality of this paper lies in our particular combination of Cornish-Fisher expansions and the rearrangement procedure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».