Weighted-average quantile regression
加权平均分位数回归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：摘要直接涉及分位数回归、不平等与福利，以及行业组合预期损失的因子结构。
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…
加权平均分位数回归
- 研究问题
- 如何建立并估计加权平均分位数回归模型，以研究行业组合的预期损失因子结构，以及个体特征与不平等和福利的关系？
- 方法与思路
- 作者定义加权平均分位数回归并构造参数估计量，分析其一致性与渐近正态性，再通过金融和社会福利两个场景展示用途。
- 材料陈述的贡献
- 摘要称提出了新的回归模型及估计量，并在弱条件下得到所写的 T 一致性与渐近正态性，同时提供两项实证应用。
- 阅读关注点
- 应核对分位数权重和回归参数的定义、预期损失与模型的对应关系，尤其确认摘要中 T 一致性的准确含义及归一化。
- 阅读边界
- 仅据所给 RePEc 出版社摘要版本，权重、弱条件及 T 一致性的具体定义均未说明，不能自行改写收敛率或推断刊本变化。
原文摘要
In this paper, we introduce the weighted-average quantile regression model. We argue that this model is of interest in many applied settings and develop an estimator for parameters of this model. We show that our estimator is T-consistent and asymptotically normal under weak conditions, where T is the sample size. We demonstrate the usefulness of our estimator in two empirical settings. First, we study the factor structures of the expected shortfalls of the industry portfolios. Second, we study inequality and social welfare dependence on individual characteristics.