Matching a Distribution by Matching Quantiles Estimation
通过分位数匹配实现分布匹配估计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：摘要明确以交易对手信用风险回测和代表性组合选择为动机，最直接对应金融风险计量。
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…
通过分位数匹配实现分布匹配估计
- 研究问题
- 如何选择随机变量的线性组合，使其分布匹配目标分布，并用于交易对手信用风险回测中的代表性组合选择和投资组合跟踪？
- 方法与思路
- 作者提出分位数匹配估计，用基于普通最小二乘的迭代计算，可加入 LASSO 获取稀疏表示，或只匹配指定分位数区间。
- 材料陈述的贡献
- 摘要称建立了有无 LASSO 时的算法收敛与估计渐近性质，提出匹配优度度量和检验，并提供模拟、信用风险组合及跟踪应用。
- 阅读关注点
- 应核对目标分位数与匹配区间的选择、线性组合约束及惩罚调参，查看收敛条件、匹配检验，以及代表性组合的风险覆盖范围。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要。分位数匹配不自动保证所有风险特征匹配，具体约束、检验条件和比较结果未说明，不能推断刊本变化。
原文摘要
Motivated by the problem of selecting representative portfolios for backtesting counterparty credit risks, we propose a matching quantiles estimation (MQE) method for matching a target distribution by that of a linear combination of a set of random variables. An iterative procedure based on the ordinary least-squares estimation (OLS) is proposed to compute MQE. MQE can be easily modified by adding a LASSO penalty term if a sparse representation is desired, or by restricting the matching within certain range of quantiles to match a part of the target distribution. The convergence of the algorithm and the asymptotic properties of the estimation, both with or without LASSO, are established. A measure and an associated statistical test are proposed to assess the goodness-of-match. The finite sample properties are illustrated by simulation. An application in selecting a counterparty representative portfolio with a real dataset is reported. The proposed MQE also finds applications in portfolio tracking, which demonstrates the usefulness of combining MQE with LASSO.