Estimation risk in conditional expectiles
条件期望分位数的估计风险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：摘要以条件方差模型估计期望分位数，并用于加密市场尾部风险评估，对应波动率与风险方向。
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…
条件期望分位数的估计风险
- 研究问题
- 在条件尺度模型中，如何估计条件期望分位数，以及用估计后的标准化残差替代真实创新项会怎样影响估计不确定性？
- 方法与思路
- 作者先用准极大似然估计条件方差参数，再根据标准化残差的经验分布估计创新项的无条件期望分位数，形成两步估计。
- 材料陈述的贡献
- 摘要称建立两步估计的一致性和渐近正态性，并刻画残差替代对渐近方差的影响；加密市场应用报告较稳健的尾部风险评估。
- 阅读关注点
- 应核对尺度模型、创新项矩条件和两步估计误差的传递方式，以及实证中稳健性的评价标准、风险水平与比较对象。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明具体模型条件或稳健性指标，不能将应用结果推广为普遍优势。
原文摘要
We establish the consistency and asymptotic normality of a two-step estimator of conditional expectiles in the context of conditional scale models. We first estimate the conditional variance parameters by quasi-maximum likelihood and then compute the unconditional expectile of the innovations using the empirical distribution of the standardized residuals. We show how replacing true innovations with standardized residuals affects the asymptotic variances of both conditional and unconditional expectile estimators. Finally, our empirical analysis reveals that conditional expectiles assess tail risk in cryptomarkets in a more robust manner than traditional quantile-based risk measures, such as value at risk and expected shortfall.