A consistent specification test for dynamic quantile models
动态分位数模型的一致设定检验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：摘要在一般时间序列环境中检验动态分位数设定，并直接应用于金融机构 VaR 与 CoVaR，支持时间序列及尾部系统性风险分类。
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…
动态分位数模型的一致设定检验
- 研究问题
- 如何检验动态条件分位数模型是否正确设定，并在一般时间序列环境中，为金融机构的 VaR 和 CoVaR 提供可靠的检验方法？
- 方法与思路
- 作者以级数回归非参数估计应为零的条件矩函数，使用一致函数推断检验其是否恒为零，并构造适用于增长维度统计量的自助法。
- 材料陈述的贡献
- 摘要称强高斯逼近支持理论，新自助法在有限样本中明显优于基准渐近近似，尤其针对尾部分位数，并用于美国金融机构风险模型。
- 阅读关注点
- 应核对动态条件信息集、级数维度选择、时间序列依赖条件、强高斯逼近和自助法构造，以及尾部检验比较的评价标准。
- 阅读边界
- 仅依据所给 Crossref 摘要；依赖条件、维度增长率和比较数值未说明，报告的有限样本优势不能普遍推广，也不推断版本变化。
原文摘要
Correct specification of a conditional quantile model implies that a particular conditional moment is equal to zero. We nonparametrically estimate the conditional moment function via series regression and test whether it is identically zero using uniform functional inference. Our approach is theoretically justified via a strong Gaussian approximation for statistics of growing dimensions in a general time series setting. We propose a novel bootstrap method in this nonstandard context and show that it significantly outperforms the benchmark asymptotic approximation in finite samples, especially for tail quantiles such as Value‐at‐Risk (VaR). We use the proposed new test to study the VaR and CoVaR (Adrian and Brunnermeier (2016)) of a collection of US financial institutions.