Estimating Conditional Value-at-Risk with Nonstationary Quantile Predictive Regression Models
利用非平稳分位数预测回归估计条件风险价值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：题名指向条件风险价值，摘要研究非平稳、持续性预测变量下的分位数预测回归。
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
利用非平稳分位数预测回归估计条件风险价值
- 研究问题
- 当分位数预测回归同时包含持续性预测变量和第一阶段生成的协变量时，如何稳健估计第二阶段参数并正确反映生成变量的估计误差？
- 方法与思路
- 作者提出两阶段、双重 IVX 校正的内生工具化方法，推导其渐近分布，并调整渐近协方差矩阵以纳入第一阶段估计误差。
- 材料陈述的贡献
- 摘要称，所提估计量在存在生成回归变量时仍对预测变量的持续程度稳健，并建立混合高斯等渐近性质及相应协方差调整。
- 阅读关注点
- 应核对两阶段回归与 IVX 工具的具体构造、持续性的参数化范围，以及第一阶段误差如何传递；同时检查回归结果如何用于条件风险价值估计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未列出稳健性所需条件，也未说明条件风险价值的具体构造及有限样本表现。
原文摘要
This paper develops an asymptotic distribution theory for an endogenous instrumentation approach in quantile predictive regressions when both generated covariates and persistent predictors are used. The generated covariates are obtained from an auxiliary quantile predictive regression model and the statistical problem of interest is the robust estimation and inference of the parameters that correspond to the primary quantile predictive regression in which this generated covariate is added to the set of nonstationary regressors. We find that the proposed doubly IVX corrected estimator is robust to the abstract degree of persistence regardless of the presence of generated regressor obtained from the first stage procedure. The asymptotic properties of the two-stage IVX estimator such as mixed Gaussianity are established while the asymptotic covariance matrix is adjusted to account for the first-step estimation error.