Inference on dynamic systemic risk measures
动态系统性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：摘要直接研究 CoVaR 等系统性风险度量，并明确采用动态模型及金融、宏观时间序列进行分析。
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
动态系统性风险度量的统计推断
- 研究问题
- 如何刻画系统中某个组成部分陷入困境所引致的动态系统性风险，并为 CoVaR 与 Delta-CoVaR 构建有效统计推断？
- 方法与思路
- 作者建立风险因子的动态框架，在半参数设定下，将风险度量估计化为单变量位置尺度模型估计与残差静态分位数计算。
- 材料陈述的贡献
- 摘要称该框架给出动态风险度量的显式表达，并为两类主要度量建立置信区间、检验及残差自助法有效性的渐近理论。
- 阅读关注点
- 应核对动态框架和半参数限制如何连接风险度量，重点检查尾部分位数的正则条件、残差自助法步骤及模拟覆盖表现。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；具体依赖条件、尾部限制及实证数值未说明，不能据此判断极端风险下的有限样本可靠性。
原文摘要
Systemic risk measures (SRM) quantify the risk of a system induced by the possible distress of any of its components. Applications in economics and finance are numerous. We define a general dynamic framework for the risk factors, allowing us to obtain explicit expressions of the corresponding dynamic SRM. We deduce an easy-to-implement statistical approach which, based on semi-parametric assumptions, reduces to estimating univariate location-scale models and to computing (static) quantiles of the residuals. We derive a sound asymptotic theory (including confidence intervals, tests, validity of a residual bootstrap) for major SRM, namely the Conditional VaR (CoVaR) and Delta-CoVaR. Our theoretical results are illustrated via Monte-Carlo experiments and real financial and macroeconomic time series.