A Functional-Coefficient VAR Model for Dynamic Quantiles and Its Application to Constructing Nonparametric Financial Network
动态分位数的函数系数 VAR 模型及非参数金融网络构建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：摘要明确研究风险价值等尾部风险的动态关联，并采用条件分位数的函数系数 VAR 模型。
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
动态分位数的函数系数 VAR 模型及非参数金融网络构建
- 研究问题
- 如何刻画金融尾部风险之间随总体经济变量平滑变化的动态相互依赖，并据此构建和估计非参数动态金融网络？
- 方法与思路
- 作者使用条件分位数的函数系数向量自回归模型，结合神经网络与局部线性平滑，设计两阶段程序估计网络系统中的函数。
- 材料陈述的贡献
- 摘要称在几何 β 混合时间序列条件下建立估计量的一致性和渐近正态性，并通过模拟与金融网络实证展示方法用途。
- 阅读关注点
- 应核对两阶段估计的分工、经济状态变量如何进入系数函数、混合与平滑条件，以及分位数依赖如何转化为网络边。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；具体正则条件、网络边定义及实证数值未说明，动态风险依赖的因果含义也未说明，不能推断刊本变化。
原文摘要
In this article, we investigate a functional coefficient vector autoregressive model for conditional quantiles, in which the interdependences among tail risks such as Value-at-Risk are allowed to vary smoothly with a variable of general economy. Methodologically, we develop an easy-to-implement two-stage procedure to estimate functionals in the dynamic network system based on the deep learning method of neural networks and the local linear smoothing technique. We establish the consistency and the asymptotic normality of the proposed estimator under geometrically β-mixing time series settings. The simulation studies are conducted to show that our new methods work fairly well. The potential of the proposed estimation procedures is demonstrated by an empirical study of constructing and estimating a new type of nonparametric dynamic financial network.