Dynamic quantile models
动态分位数模型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：摘要研究动态条件分位数，并明确用于股指收益的风险价值计算与更新。
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…
关注这篇论文的作者
动态分位数模型
- 研究问题
- 如何建立条件分位数保持单调的动态模型，以计算和更新风险价值，并为模型估计、拟合检验及诊断提供可用方法？
- 方法与思路
- 作者提出动态加性分位数模型，分别使用基于逆 KLIC 度量的目标函数和 L 矩方法估计，并提供拟合检验与诊断工具。
- 材料陈述的贡献
- 摘要称，模型保证条件分位数估计的单调性；前一种估计量渐近有效，L 矩估计量一致但通常并非完全有效。
- 阅读关注点
- 应核对单调性约束的实现、两类估计量的一致性和效率条件，以及风险价值更新与多伦多股指收益应用中的诊断结果。
- 阅读边界
- 仅据所给 RePEc 出版社摘要解读；摘要未说明动态设定、效率结论的具体条件及风险价值表现，不能据此判断尾部预测精度。
原文摘要
This paper introduces the Dynamic Additive Quantile (DAQ) model that ensures the monotonicity of conditional quantile estimates. The DAQ model is easily estimable and can be used for computation and updating of the Value-at-Risk. An asymptotically efficient estimator of the DAQ is obtained by maximizing an objective function based on the inverse KLIC measure. An alternative estimator proposed in the paper is the Method of L-Moments estimator (MLM). The MLM estimator is consistent, but generally not fully efficient. Goodness-of-fit tests and diagnostic tools for the assessment of the model are also provided. For illustration, the DAQ model is estimated from a series of returns on the Toronto Stock Exchange (TSX) market index.