Inference for Extremal Conditional Quantile Models, with an Application to Market and Birthweight Risks
极端条件分位数模型的推断：市场与出生体重风险应用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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以条件分位数回归为核心，并明确讨论条件风险价值和股票收益尾部风险。
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…
极端条件分位数模型的推断：市场与出生体重风险应用
- 研究问题
- 当关注条件分布的极端尾部时，如何为分位数回归提供可实施的推断，并用于股票收益与极低出生体重风险分析？
- 方法与思路
- 作者利用极值近似刻画自标准化分位数回归统计量的分布，构造极端条件分位数模型的可行推断工具。
- 材料陈述的贡献
- 摘要称方法易于实现，也可用于非回归情形，并通过股票收益极端波动和婴儿出生体重低分位数应用作示范。
- 阅读关注点
- 应核对尾部假设、分位数随样本量变化的设定、自标准化方式，以及极值近似与常规分位数推断的适用边界。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明尾部条件、具体临界值构造或实证估计与覆盖表现。
原文摘要
Quantile regression is an increasingly important empirical tool in economics and other sciences for analyzing the impact of a set of regressors on the conditional distribution of an outcome. Extremal quantile regression, or quantile regression applied to the tails, is of interest in many economic and financial applications, such as conditional value-at-risk, production efficiency, and adjustment bands in (S,s) models. In this paper we provide feasible inference tools for extremal conditional quantile models that rely upon extreme value approximations to the distribution of self-normalized quantile regression statistics. The methods are simple to implement and can be of independent interest even in the non-regression case. We illustrate the results with two empirical examples analyzing extreme fluctuations of a stock return and extremely low percentiles of live infants' birthweights in the range between 250 and 1500 grams.