Inference for conditional value-at-risk of a predictive regression
预测回归中条件风险价值的统计推断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：摘要直接研究风险管理中的条件风险价值及其置信区间，属于尾部风险推断。
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
预测回归中条件风险价值的统计推断
- 研究问题
- 在线性预测回归中，如何对条件风险价值构造可行区间推断，并处理误差分布未知与预测变量可能具有无限方差的问题？
- 方法与思路
- 作者推导最小二乘风险估计量的渐近分布，提出适用于独立或 GARCH 误差的平滑经验似然区间，并在补充材料中扩展至分位数回归。
- 材料陈述的贡献
- 摘要称，论文放宽既有假设并修正方差表达；所提区间方法避免直接估计渐近方差，也无需预先知道是否存在无限方差预测变量。
- 阅读关注点
- 应核对风险度量的定义、误差和预测变量条件、平滑参数与覆盖表现，并区分主文结果和补充材料中的分位数回归扩展。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供完整条件、区间公式或实证数值，不能推断对任意重尾与依赖结构均有效。
原文摘要
Conditional value-at-risk is a popular risk measure in risk management. We study the inference problem of conditional value-at-risk under a linear predictive regression model. We derive the asymptotic distribution of the least squares estimator for the conditional value-at-risk. Our results relax the model assumptions made in (Oper. Res. 60 (2012) 739–756) and correct their mistake in the asymptotic variance expression. We show that the asymptotic variance depends on the quantile density function of the unobserved error and whether the model has a predictor with infinite variance, which makes it challenging to actually quantify the uncertainty of the conditional risk measure. To make the inference feasible, we then propose a smooth empirical likelihood based method for constructing a confidence interval for the conditional value-at-risk based on either independent errors or GARCH errors. Our approach not only bypasses the challenge of directly estimating the asymptotic variance but also does not need to know whether there exists an infinite variance predictor in the predictive model. Furthermore, we apply the same idea to the quantile regression method, which allows infinite variance predictors and generalizes the parameter estimation in (Econometric Theory 22 (2006) 173–205) to conditional value-at-risk in the Supplementary Material. We demonstrate the finite sample performance of the derived confidence intervals through numerical studies before applying them to real data.