Statistical Inference for a Relative Risk Measure
相对风险度量的统计推断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。
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：摘要明确以监管者监测系统性风险为目标，风险度量对市场共动敏感，因此直接归入尾部与系统性风险方向。
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…
相对风险度量的统计推断
- 研究问题
- 从监管视角，如何用对市场共动敏感的相对风险度量监测系统性风险，并在独立观测及 AR-GARCH 情境下开展估计与推断？
- 方法与思路
- 作者结合非参数及平滑估计、刀切经验似然构造区间，并在 AR-GARCH 模型下，针对误差的相对风险度量提出对应非参数估计量。
- 材料陈述的贡献
- 摘要称，独立观测下估计量具有渐近正态性，平滑估计的刀切经验似然具有 Wilks 型结果，并以模拟和实证说明风险监测用途。
- 阅读关注点
- 全文应核对风险度量的定义及其共动敏感性、平滑参数选择、刀切经验似然条件，以及 AR-GARCH 误差估计如何影响后续推断。
- 阅读边界
- 摘要中的渐近正态性与 Wilks 型结果明确针对独立观测；未说明相关数据下是否存在对应推断保证，也未给出风险监测效果的具体数值。
原文摘要
For monitoring systemic risk from regulators’ point of view, this article proposes a relative risk measure, which is sensitive to the market comovement. The asymptotic normality of a nonparametric estimator and its smoothed version is established when the observations are independent. To effectively construct an interval without complicated asymptotic variance estimation, a jackknife empirical likelihood inference procedure based on the smoothed nonparametric estimation is provided with a Wilks type of result in case of independent observations. When data follow from AR-GARCH models, the relative risk measure with respect to the errors becomes useful and so we propose a corresponding nonparametric estimator. A simulation study and real-life data analysis show that the proposed relative risk measure is useful in monitoring systemic risk.