Self-Normalized Inference in (Quantile, Expected Shortfall) Regressions for Time Series
时间序列分位数与预期短缺回归中的自归一化推断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。
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：摘要明确研究时间序列尾部回归推断，并应用于预期短缺、增长风险及股票收益可预测性，支持这三个方向。
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…
关注这篇论文的作者
时间序列分位数与预期短缺回归中的自归一化推断
- 研究问题
- 当回归误差具有较强序列依赖时，如何为时间序列预期短缺和分位数回归构造便于计算且尺寸可靠的推断？
- 方法与思路
- 作者使用扩展窗口上的回归参数估计构造自归一化推断，避免直接估计长期方差，并以模拟和两个应用检验表现。
- 材料陈述的贡献
- 摘要称模拟中检验尺寸得到正确控制，并通过股票收益可预测性及增长风险应用展示方法的实用性。
- 阅读关注点
- 应核对序列依赖与尾部矩条件、自归一化统计量的极限分布，以及扩展窗口估计和临界值的计算方式。
- 阅读边界
- 这是预印本，同行评审或期刊接收未核实；摘要未列出有效性条件和模拟数值，不能将尺寸表现推广到任意依赖过程。
原文摘要
This paper proposes valid inference tools, based on self-normalization, in time series expected shortfall regressions and, as a corollary, also in quantile regressions. Extant methods for such time series regressions, based on a bootstrap or direct estimation of the long-run variance, are computationally more involved, require the choice of tuning parameters and have serious size distortions when the regression errors are strongly serially dependent. In contrast, our inference tools only require estimates of the (quantile, expected shortfall) regression parameters that are computed on an expanding window, and are correctly sized as we show in simulations. Two empirical applications to stock return predictability and to Growth-at-Risk demonstrate the practical usefulness of the developed inference tools.