Estimation of the Marginal Expected Shortfall: the Mean When a Related Variable is Extreme
边际期望损失的估计：当相关变量处于极端值时AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以金融机构系统性风险中的边际期望损失为对象，属尾部与系统性风险；同时核心是条件分位数与极端分位点下的分布估计，涉及分位数与分布效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
边际期望损失的估计：当相关变量处于极端值时
- 研究问题
- 摘要称，研究如何在非参数双变量分布类下估计边际期望损失 MES，即 E{X|Y>QY(1−p)}，尤其关注 p 很小乃至 p=O(1/n) 的情形。
- 方法与思路
- 作者提出基于极值理论的估计量，在 p↓0、样本量 n→∞ 时推导其渐近正态性，并通过模拟研究考察有限样本表现与极限定理的相关性。
- 材料陈述的贡献
- 摘要称，对较广的非参数双变量分布类构造了 MES 估计量并建立其渐近正态性，且将方法应用于三家美国大型投资银行的 MES 估计。
- 阅读关注点
- 应核对估计量所依赖的分布假设与正则条件、p 与 n 的相对速率设定、渐近正态性的证明结构，以及模拟设计与三家银行数据的具体处理方式。
- 阅读边界
- 仅凭摘要无法判断估计量的实际精度、模拟结果优劣、实证结论稳健性及与其他方法的比较；摘要未说明具体正则条件与数据区间。
原文摘要
Summary Denote the loss return on the equity of a financial institution as X and that of the entire market as Y. For a given very small value of p > 0, the marginal expected shortfall (MES) is defined as E{X|Y>QY(1−p)}, where Q Y(1 − p) is the (1 − p)th quantile of the distribution of Y. The MES is an important factor when measuring the systemic risk of financial institutions. For a wide non-parametric class of bivariate distributions, we construct an estimator of the MES and establish the asymptotic normality of the estimator when p ↓ 0, as the sample size n → ∞. Since we are in particular interested in the case p = O(1/n), we use extreme value techniques for deriving the estimator and its asymptotic behaviour. The finite sample performance of the estimator and the relevance of the limit theorem are shown in a detailed simulation study. We also apply our method to estimate the MES of three large US investment banks.