Estimating Value-at-Risk for the g-and-h distribution: an indirect inference approach

Luca Trapin, M. Bee, J. Hambuckers

Risultato della ricerca: Contributo in rivistaArticolo in rivista

2 Citazioni (Scopus)

Abstract

The g-and-h distribution is able to handle well the complex behavior of loss data and applied to operational losses suggests that indirect inference estimators of VaR outperform quantile-based estimators.
Lingua originaleEnglish
pagine (da-a)1255-1266
Numero di pagine12
RivistaQuantitative Finance
Volume19
DOI
Stato di pubblicazionePubblicato - 2019

Keywords

  • Value-at-Risk
  • g-and-h distribution
  • indirect inference
  • loss model

Fingerprint

Entra nei temi di ricerca di 'Estimating Value-at-Risk for the g-and-h distribution: an indirect inference approach'. Insieme formano una fingerprint unica.

Cita questo