Расчет Value-at-Risk и Expected Shortfall с помощью глубоких генеративных моделей

Value-at-Risk и Expected Shortfall являются наиболее популярными в мире мерами риска. Финансовые институты получают большую выгоду от более точной оценки обоих показателей благодаря экономии средств и повышению устойчивости к экстремальным финансовым сценариям. Долгое время для оценки Value-at-Risk и Expected Shortfall использовались простые подходы. Их эффективность была приемлемой, но оставляла возможности для улучшения. В последние годы, в связи со стремительным развитием глубокого обучения, для решения этой задачи был опробован особый тип моделей, называемых глубокими генеративными моделями. Несмотря на то, что уже были предприняты попытки использовать глубокие генеративные модели для оценки Value-at-Risk и Expected Shortfall, в данной работе исследуется совершенно неизученный ранее подход использования диффузионных вероятностных моделей, являющихся подтипом глубоких генеративных моделей. Результаты работы показывают многообещающую эффективность диффузионных вероятностных моделей, в задачах оценки Value-at-Risk и Expected Shortfall, а также потенциальные направления для исследований и дальнейших улучшений.