Conditional Value-at-Risk: Semiparametric estimation and inference
条件风险价值：半参数估计与推断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：摘要直接研究金融风险管理中的条件风险价值与条件期望短缺，并明确允许多种时间序列模型，支持这两个分类。
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：半参数估计与推断
- 研究问题
- 如何在参数化模型配合非参数噪声分布的框架下估计条件风险价值，并对多个置信水平的风险指标同时进行推断？
- 方法与思路
- 作者提出半参数估计量，建立以置信水平为索引的风险价值过程的函数型中心极限定理，并用自助法构造置信区间。
- 材料陈述的贡献
- 摘要称估计量达到参数收敛率，理论允许多种常见时间序列模型，并据过程极限定理研究条件期望短缺及同时推断。
- 阅读关注点
- 应核对文中CVaR与条件期望短缺的定义、噪声分布及时间依赖条件，以及多置信水平同时推断的自助法实现。
- 阅读边界
- 仅据所给出版社摘要，不能确定参数收敛率所需的尾部条件和模型设定；标准普尔五百指数应用的具体结果未说明。
原文摘要
Conditional Value-at-Risk (CVaR) plays an important role in financial risk management. Nonparametric CVaR estimation suffers from the “curse of dimensionality” and slow convergence rate. To overcome these issues, we study semiparametric CVaR estimation and inference for parametric model with nonparametric noise distribution. Under a general framework that allows for many widely used time series models, we propose a semiparametric CVaR estimator that achieves the parametric convergence rate. Furthermore, to draw simultaneous inference for CVaR at multiple confidence levels, we establish a functional central limit theorem for CVaR process indexed by the confidence level and use it to study the conditional expected shortfall. A user-friendly bootstrap approach is introduced to facilitate non-expert practitioners to perform confidence interval construction for CVaR. The methodology is illustrated through both Monte Carlo studies and an application to S&P 500 index.