Modified marginal expected shortfall under asymptotic dependence
渐近依赖下的修正边际期望损失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：边际期望损失与无限期望情形直接涉及尾部风险度量，因此对应尾部与系统性风险方向；所述应用为海啸数据。
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…
渐近依赖下的修正边际期望损失
- 研究问题
- 当相关变量的期望为无穷时，如何借助对数变换估计边际期望损失，并研究估计量的极限性质及调节参数敏感性？
- 方法与思路
- 作者通过对数变换构造边际期望损失估计量，在一般假设下建立渐近正态性，并用模拟和海啸数据展示其表现。
- 材料陈述的贡献
- 摘要称模拟显示估计对调节参数选择较稳健，且在经验估计量适用时偏差和均方误差更低；这些比较的具体范围未说明。
- 阅读关注点
- 阅读时应核对变换后目标量与原目标的关系、渐近依赖和尾部条件、调节参数选法，以及与经验估计量比较的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。具体假设与误差结果未给出；海啸应用不能直接证明该方法在金融风险中的表现。
原文摘要
We propose an estimator of the marginal expected shortfall by considering a log transformation of a variable which has an infinite expectation. We establish the asymptotic normality of our estimator under general assumptions. A simulation study suggests that the estimation procedure is robust with respect to the choice of tuning parameters. Our estimator has lower bias and mean squared error than the empirical estimator when the latter is applicable. We illustrate our method on a tsunami dataset.