Switching generalized autoregressive score copula models with application to systemic risk
马尔可夫切换广义自回归得分 Copula 模型及其系统性风险应用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：摘要明确以条件风险价值、条件期望短缺衡量极端事件对金融机构的影响，并分析系统性风险贡献，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
马尔可夫切换广义自回归得分 Copula 模型及其系统性风险应用
- 研究问题
- 作者研究如何刻画金融收益中非线性、非对称的动态依赖，并据此估计其他机构或市场遭遇极端事件时某机构的损失与系统性风险贡献。
- 方法与思路
- 作者令 Copula 依赖参数按马尔可夫切换的 GAS 动态演化，以两步程序进行极大似然估计，第二步采用 EM 算法，并据此估计条件风险指标。
- 材料陈述的贡献
- 摘要称，该模型可用于条件风险价值与条件期望短缺估计，并在1999—2015年欧洲区域投资组合中解释和预测系统性风险贡献的变化。
- 阅读关注点
- 应核对状态切换与得分更新的设定、两步估计的不确定性处理、风险指标的条件事件定义，以及预测评价是否区分样本内与样本外。
- 阅读边界
- 摘要未说明状态数选择、识别条件、比较基准或预测检验设计，因此不能判断预测优势的幅度，也不能将机构间依赖解释为因果传染。
原文摘要
Summary Recent financial disasters have emphasized the need to accurately predict extreme financial losses and their consequences for the institutions belonging to a given financial market. The ability of econometric models to predict extreme events strongly relies on their flexibility to account for the highly nonlinear and asymmetric dependence patterns observed in financial time series. In this paper, we develop a new class of flexible copula models where the dependence parameters evolve according to a Markov switching generalized autoregressive score (GAS) dynamics. Maximum likelihood estimation is performed using a two‐step procedure where the second step relies on the expectation–maximization algorithm. The proposed switching GAS copula models are then used to estimate the conditional value at risk and the conditional expected shortfall, measuring the impact on an institution of extreme events affecting another institution or the market. The empirical investigation, conducted on a panel of European regional portfolios, reveals that the proposed model is able to explain and predict the evolution of the systemic risk contributions over the period 1999–2015.