Modeling and Decoupling Systemic Risk
系统性风险的建模与分解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：摘要明确提出非线性时间序列风险模型，并以股票和加密货币研究系统性风险。
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…
关注这篇论文的作者
系统性风险的建模与分解
- 研究问题
- 如何用非线性时间序列模型刻画多种系统中的风险模式，并通过内生与外生竞争风险指标帮助区分系统性风险来源？
- 方法与思路
- 作者提出自回归条件加速 Fréchet 模型及两种竞争风险指标，研究平稳性与遍历性，并使用模拟和股票、加密货币数据评估。
- 材料陈述的贡献
- 摘要称建立模型的概率性质，模拟展示估计表现和异质数据适应性，金融应用则报告风险模式识别与解释方面的优势。
- 阅读关注点
- 核对内生与外生风险的数学定义及分解含义、估计条件、比较基准，以及所称风险来源是否具有可验证的因果解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未提供优势的数值依据，风险分解也不能直接等同于因果识别。
原文摘要
Identifying systemic risk patterns in geopolitical, economic, financial, environmental, transportation, epidemiological systems and their impacts is the key to risk management. This paper proposes a new nonlinear time series model: autoregressive conditional accelerated Fréchet (AcAF) model and introduces two new endopathic and exopathic competing risk measures for better learning risk patterns, decoupling systemic risk, and making better risk management. The paper establishes the probabilistic properties of stationarity and ergodicity of the AcAF model. Simulation demonstrates the efficiency of the proposed estimators and the AcAF model's flexibility in modeling heterogeneous data. Empirical studies on the stock returns in S&P 500 and the cryptocurrency trading show the superior performance of the proposed model in terms of the identified risk patterns, endopathic and exopathic competing risks, being informative with greater interpretability, enhancing the understanding of the systemic risks of a market and their causes, and making better risk management possible.