logistic-estimationnormal-tailcrash-probabilitycalibrationlogitstub

Logistic vs Normal-Tail Probability Mapping

大白话：同样是估计「明天崩盘的概率」，一条路是假设收益率服从正态分布、拿波动率 \sigma_t 去推尾部概率； 另一条路是直接用逻辑回归拟合一个概率出来。论文的结论是：正态尾部假设在低波动环境下会把崩盘概率低估约 100 倍， 所以实务上应该改用逻辑回归。

定义。 估计条件崩盘概率的两种方法:

  • 正态尾部映射 (normal-tail mapping) (GARCH 范式): P(\text{crash}_t | \mathcal{F}_{t-1}) = \Phi(-k / \sigma_{t|t-1}), 假设 r_t \sim N(\mu, \sigma^2_{t|t-1})。问题: 正态尾部假设 (normal-tail assumption) 在低波动十分位上出现 100 倍的校准崩塌 (HHIt 论文的隐藏亮点)。
  • 逻辑回归估计 (logistic estimation): \text{logit}(P(\text{crash}_t = 1 | \mathcal{F}_{t-1})) = \beta_0 + \beta' x_t, 直接数据驱动, 不预设分布形状。论文 HHIt 论文 §7 的自述结论: "logistic estimation over normal-tail probability mapping regardless of whether HHIt is included" —— 即无论是否纳入 HHIt，都应当用逻辑回归估计取代正态尾部概率映射。

论文方法学论断

论文 §7 原文: "...the GARCH miscalibration finding — 100-fold underestimation of crash probability in low-risk environments — has direct implications for standard risk management practice and argues for logistic estimation over normal-tail probability mapping regardless of whether HHIt is included."

中文: "……GARCH 的校准问题——在低风险环境下把崩盘概率低估了 100 倍——对标准的风险管理实务有直接影响，并主张无论是否纳入 HHIt，都用逻辑回归估计取代正态尾部概率映射。"

即：逻辑回归估计优于正态尾部概率映射是一个独立于 HHI 的方法学结论，即使不用 HHI，也应替换 GARCH 的正态尾部估计方式。

衍生与对照

  • Probit 回归 (probit regression): P = \Phi(\beta_0 + \beta' x)，仍是正态尾部假设，但用于离散选择 —— 依然受正态尾部的限制。
  • 逻辑回归 (logistic regression)（本文采用）: P = \text{logistic}(\beta_0 + \beta' x)，不预设结果变量的分布形状。
  • 非参数方法 (non-parametric): 核密度估计、k 近邻、树模型、神经网络 —— 完全不做参数假设，但可解释性差。
  • 分位数回归 (quantile regression): 估计的是条件分位数，不是条件概率。

对 quant 实务的影响

  1. VaR 模型: 用逻辑回归估计替代正态尾部的 GARCH 来给出崩盘概率，解决 100 倍的校准偏差。
  2. 期权定价: 短到期的保护性看跌期权 (protective put) 定价，用逻辑回归给出的概率作为输入，替代正态尾部。
  3. 风险预算 (risk budget): 减仓触发器改用逻辑回归概率的阈值（论文取 90 分位），替代正态尾部阈值。
  4. 压力测试 (stress test): 条件于市场状态的崩盘概率，用逻辑回归联合估计多个预测变量（RV、HHI、VIX、融资价差），比正态尾部只依赖单个 \sigma_t 更精确。

关键文献