The method of simulated quantiles
模拟分位数法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：摘要使用分位数作参数匹配工具，并未研究分位数效应；金融指数示例也未明确对应给定金融细分方向。
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
模拟分位数法
- 研究问题
- 当概率密度没有闭式表达或矩不存在时，如何利用可模拟的分位数信息估计假定概率分布的参数？
- 方法与思路
- 作者提出基于分位数匹配的间接推断方法，将理论分位数函数与样本对应量匹配，并用模拟完成优化。
- 材料陈述的贡献
- 摘要介绍模拟分位数法，以稳定分布参数估计为例，并通过蒙特卡洛研究及二十二个金融指数展示其用途。
- 阅读关注点
- 核对分位数及其函数的选择、参数识别、模拟次数和优化方式，以及抽样误差与模拟误差如何影响估计。
- 阅读边界
- 仅依据所给出版社摘要；摘要未给出一致性条件、渐近分布或比较数值，金融指数示例不能支持普遍优越性。
原文摘要
We introduce the Method of Simulated Quantiles, or MSQ, an indirect inference method based on quantile matching that is useful for situations where the density function does not have a closed form and/or moments do not exist. Functions of theoretical quantiles, which depend on the parameters of the assumed probability law, are matched with the sample counterparts, which depend on the observations. Since the theoretical quantiles may not be available analytically, the optimization is based on simulations. We illustrate the method with the estimation of α-stable distributions. A thorough Monte Carlo study and an illustration to 22 financial indexes show the usefulness of MSQ.