Backtesting Systemic Risk Forecasts using Multi-Objective Elicitability
利用多目标可诱导性回测系统性风险预测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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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 CoVaR、CoES 和 MES 等系统性风险度量的预测比较及回测为对象，直接对应尾部与系统性风险。
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
利用多目标可诱导性回测系统性风险预测
- 研究问题
- 当 CoVaR、CoES 和 MES 等系统性风险度量缺乏通常意义的可诱导性与可识别性时，如何比较预测并进行有效回测？
- 方法与思路
- 作者引入多目标可诱导性，使用按字典序比较的二维评分构造 Diebold–Mariano 型检验，并以交通灯方式呈现决策。
- 材料陈述的贡献
- 摘要称，多目标框架可解决这些风险度量的预测比较与验证困难，并展示 DAX 30 和标普五百收益数据中的回测应用。
- 阅读关注点
- 阅读时应核对不可诱导与不可识别结论的定义域、二维评分及字典序的作用，以及检验条件和交通灯判定的具体规则。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明完整检验条件，其“不可能回测”主张的准确范围需查全文。
原文摘要
Systemic risk measures such as CoVaR, CoES and MES are widely-used in finance, macroeconomics and by regulatory bodies. Despite their importance, we show that they fail to be elicitable and identifiable. This renders forecast comparison and validation, commonly summarised as `backtesting', impossible. The novel notion of \emph{multi-objective elicitability} solves this problem. Specifically, we propose Diebold--Mariano type tests utilising two-dimensional scores equipped with the lexicographic order. We illustrate the test decisions by an easy-to-apply traffic-light approach. We apply our traffic-light approach to DAX~30 and S\&P~500 returns, and infer some recommendations for regulators.