NONPARAMETRIC ESTIMATION OF CONDITIONAL VALUE-AT-RISK AND EXPECTED SHORTFALL BASED ON EXTREME VALUE THEORY
基于极值理论的条件风险价值与条件预期短缺非参数估计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：摘要直接以金融资产收益的条件风险价值与条件预期短缺为估计目标，并采用极值尾部近似，属于尾部风险方向。
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…
基于极值理论的条件风险价值与条件预期短缺非参数估计
- 研究问题
- 在资产收益及其条件变量存在时间依赖时，如何非参数估计条件风险价值与条件预期短缺，并评估尾部风险估计的可用性？
- 方法与思路
- 作者在强混合的条件位置尺度模型下，先非参数估计位置与尺度，再以广义帕累托尾部近似构造两类条件风险估计量。
- 材料陈述的贡献
- 摘要称，作者建立适当标准化下的一致性与渐近正态性，并通过模拟及五种农产品期货收益的回测考察方法表现。
- 阅读关注点
- 应核对强混合、尾部近似与标准化条件，第一阶段误差如何传递，以及尾部阈值、平滑参数和回测指标的具体选择。
- 阅读边界
- 仅据所给 Crossref 版本摘要，不能判断完整尾部条件、阈值选择或回测成效；摘要未提供数值结果或跨资产适用证据。
原文摘要
We propose nonparametric estimators for conditional value-at-risk (CVaR) and conditional expected shortfall (CES) associated with conditional distributions of a series of returns on a financial asset. The return series and the conditioning covariates, which may include lagged returns and other exogenous variables, are assumed to be strong mixing and follow a nonparametric conditional location-scale model. First stage nonparametric estimators for location and scale are combined with a generalized Pareto approximation for distribution tails proposed by Pickands (1975, Annals of Statistics 3, 119–131) to give final estimators for CVaR and CES. We provide consistency and asymptotic normality of the proposed estimators under suitable normalization. We also present the results of a Monte Carlo study that sheds light on their finite sample performance. Empirical viability of the model and estimators is investigated through a backtesting exercise using returns on future contracts for five agricultural commodities.