Extremal Quantile Regression: An Overview
极端分位数回归综述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：摘要直接讨论条件分布尾部的分位数回归，并以条件风险价值和金融传染为实证案例，支持分位数及金融风险分类。
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…
极端分位数回归综述
- 研究问题
- 对条件分布尾部进行分位数回归时，如何用极值近似改善估计与推断，并将这些方法应用于风险价值和金融传染分析？
- 方法与思路
- 本章综述极端分位数回归理论与实证进展，介绍估计量的极值分布近似、偏差修正，以及模拟、自助法和子抽样推断。
- 材料陈述的贡献
- 摘要称，极值近似在尾部可比高斯近似更准确，并支撑偏差修正与推断；章节用条件风险价值和金融传染案例展示用途。
- 阅读关注点
- 应核对极端分位点与样本量的关系、尾部条件及近似适用范围，并区分所综述既有结果与章节自身实证内容。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；这是综述章节，摘要未给出尾部条件或近似精度的具体数值比较。
原文摘要
Extremal quantile regression, i.e. quantile regression applied to the tails of the conditional distribution, counts with an increasing number of economic and financial applications such as value-at-risk, production frontiers, determinants of low infant birth weights, and auction models. This chapter provides an overview of recent developments in the theory and empirics of extremal quantile regression. The advances in the theory have relied on the use of extreme value approximations to the law of the Koenker and Bassett (1978) quantile regression estimator. Extreme value laws not only have been shown to provide more accurate approximations than Gaussian laws at the tails, but also have served as the basis to develop bias corrected estimators and inference methods using simulation and suitable variations of bootstrap and subsampling. The applicability of these methods is illustrated with two empirical examples on conditional value-at-risk and financial contagion.