Robust inference of risks of large portfolios
大型投资组合风险的稳健推断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：摘要直接研究大型投资组合风险的置信上界，并强调厚尾收益下的稳健性，与金融风险推断最相关。
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…
大型投资组合风险的稳健推断
- 研究问题
- 研究在金融收益可能厚尾、模型可能设定错误的情况下，如何为大型投资组合风险构造稳健的高置信水平上界。
- 方法与思路
- 作者提出基于 Bootstrap 的 Robust H-CLUB，结合秩估计与分位数估计，并在混合条件下分析方法性质，开展数值和股票数据应用。
- 材料陈述的贡献
- 摘要将该方法定位为 H-CLUB 的稳健扩展，称其可以处理模型误设与厚尾数据，并通过理论、数值研究及实际应用支持其优势。
- 阅读关注点
- 应核对风险指标的定义、上界覆盖概率、混合与尾部条件，以及 Bootstrap 的实现方式和相对原方法优势成立的范围。
- 阅读边界
- 本导读限于所给出版社摘要；具体风险定义、置信水平、维度增长条件及数值改善均未说明，不能据此认定普遍优于原方法。
原文摘要
We propose a bootstrap-based robust high-confidence level upper bound (Robust H-CLUB) for assessing the risks of large portfolios. The proposed approach exploits rank-based and quantile-based estimators, and can be viewed as a robust extension of the H-CLUB procedure (Fan et al., 2015). Such an extension allows us to handle possibly misspecified models and heavy-tailed data, which are stylized features in financial returns. Under mixing conditions, we analyze the proposed approach and demonstrate its advantage over H-CLUB. We further provide thorough numerical results to back up the developed theory, and also apply the proposed method to analyze a stock market dataset.