Joint Extreme Value-at-Risk and Expected Shortfall Dynamics with a Single Integrated Tail Shape Parameter
单一积分型尾部形状参数下极端 VaR 与 ES 的联合动态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：摘要明确建模极端尾部，并联合研究 VaR 与 ES 这两类尾部风险度量。
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…
单一积分型尾部形状参数下极端 VaR 与 ES 的联合动态
- 研究问题
- 如何用简约模型描述持续变化的极端尾部行为，并同时刻画极端风险价值与预期损失的动态变化？
- 方法与思路
- 作者基于极值理论建立条件广义帕累托模型，对超阈值量按阈值缩放，并以单个积分型自回归尾部形状参数描述整条尾部。
- 材料陈述的贡献
- 摘要称，论文给出模型及滤波器的平稳性、遍历性和可逆性参数区域，以及极大似然估计一致性与渐近正态性的条件。
- 阅读关注点
- 核对积分型尾部参数动态与平稳性结论如何相容，关注阈值选择、尾部矩存在条件及 VaR、ES 的构造和预测评价。
- 阅读边界
- 仅据所给 OpenAlex 摘要，具体参数区域、阈值和风险预测误差未说明；两种加密货币汇率应用不足以证明普遍适用性。
原文摘要
We propose a robust semi-parametric framework for persistent time-varying extreme tail behavior, including extreme Value-at-Risk (VaR) and Expected Shortfall (ES). The framework builds on Extreme Value Theory and uses a conditional version of the Generalized Pareto Distribution (GPD) for peaks-over-threshold (POT) dynamics. Unlike earlier approaches, our model (i) has unit root-like, that is, integrated autoregressive dynamics for the GPD tail shape, and (ii) re-scales POTs by their thresholds to obtain a more parsimonious model with only one time-varying parameter to describe the entire tail. We establish parameter regions for stationarity, ergodicity, and invertibility for the integrated time-varying parameter model and its filter, and formulate conditions for consistency and asymptotic normality of the maximum likelihood estimator. Using two cryptocurrency exchange rates, we illustrate how the simple single-parameter model is competitive in capturing the dynamics of VaR and ES, particularly in the extreme tail.