Nonparametric estimation of conditional VaR and expected shortfall
条件风险价值与预期损失的非参数估计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：摘要直接研究条件风险价值和预期损失，两者均为尾部风险度量，因此最直接归入尾部与系统性风险方向。
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
条件风险价值与预期损失的非参数估计
- 研究问题
- 对于时间序列数据，如何非参数估计给定信息下的风险价值和预期损失，并兼顾条件分布的有效性及边界点表现？
- 方法与思路
- 作者通过反演加权双核局部线性条件分布估计量得到条件风险价值，再以代入法估计预期损失，并提出基于非参数信息准则的带宽选择。
- 材料陈述的贡献
- 摘要称两类估计量在边界和内部点均具有一致性与渐近正态性，所构造的条件分布估计始终是有效分布，且连续可微。
- 阅读关注点
- 阅读时应核对时间依赖、尾部及平滑性条件，边界处理与代入误差如何进入渐近结果，以及带宽选择和实证评价的具体设计。
- 阅读边界
- 仅据所给出版社摘要，无法判断极端尾部下的适用范围、带宽选择的稳定性或有限样本优势；摘要未提供具体条件和数值结果。
原文摘要
This paper considers a new nonparametric estimation of conditional value-at-risk and expected shortfall functions. Conditional value-at-risk is estimated by inverting the weighted double kernel local linear estimate of the conditional distribution function. The nonparametric estimator of conditional expected shortfall is constructed by a plugging-in method. Both the asymptotic normality and consistency of the proposed nonparametric estimators are established at both boundary and interior points for time series data. We show that the weighted double kernel local linear conditional distribution estimator has the advantages of always being a distribution, continuous, and differentiable, besides the good properties from both the double kernel local linear and weighted Nadaraya-Watson estimators. Moreover, an ad hoc data-driven fashion bandwidth selection method is proposed, based on the nonparametric version of the Akaike information criterion. Finally, an empirical study is carried out to illustrate the finite sample performance of the proposed estimators.