Dynamic CoVaR Modeling and Estimation
动态 CoVaR 建模与估计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。
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：摘要直接研究 VaR、CoVaR 及银行困境条件下的系统性尾部风险预测。
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 CoVaR 建模与估计
- 研究问题
- 如何联合预测 VaR 与某金融变量陷入困境时另一变量的条件尾部分位数，并对动态 CoVaR 模型参数开展估计和统计推断？
- 方法与思路
- 作者基于 VaR 与 CoVaR 的二元评分函数提出两步 M 估计，研究参数渐近性质，并将 CoCAViaR 子类用于美国大型银行收益。
- 材料陈述的贡献
- 摘要称，参数估计具有一致性和渐近正态性；模拟评估有限样本性质，正式预测比较显示所用 CoCAViaR 模型优于当前基准。
- 阅读关注点
- 应核对困境事件与 CoVaR 的定义、评分函数和两步估计条件，检查动态设定、样本外比较设计，以及基准预测与评价标准。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收。摘要未说明理论条件、基准细节及改善数值，不能推广其预测优势至所有系统。
原文摘要
The popular systemic risk measure CoVaR (conditional Value-at-Risk) and its variants are widely used in economics and finance. In this article, we propose joint dynamic forecasting models for the Value-at-Risk (VaR) and CoVaR. The CoVaR version we consider is defined as a large quantile of one variable (e.g., losses in the financial system) conditional on some other variable (e.g., losses in a bank's shares) being in distress. We introduce a two-step M-estimator for the model parameters drawing on recently proposed bivariate scoring functions for the pair (VaR, CoVaR). We prove consistency and asymptotic normality of our parameter estimator and analyze its finite-sample properties in simulations. Finally, we apply a specific subclass of our dynamic forecasting models, which we call CoCAViaR models, to log-returns of large US banks. A formal forecast comparison shows that our CoCAViaR models generate CoVaR predictions which are superior to forecasts issued from current benchmark models.