Robust Inference of Risks of Large Portfolios
大型投资组合风险的稳健推断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。
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：摘要直接研究大型投资组合的风险置信上界，并针对重尾金融数据和股票市场应用，因此归入金融风险方向。
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…
大型投资组合风险的稳健推断
- 研究问题
- 面对重尾数据和可能的模型设定错误，如何为大型投资组合风险构造稳健的高置信水平上界，并处理金融数据的时间依赖？
- 方法与思路
- 作者提出基于 bootstrap 的 Robust H-CLUB，结合秩与分位数估计量扩展原 H-CLUB，并在混合条件下分析其性质。
- 材料陈述的贡献
- 摘要称该方法可处理重尾与可能的模型失配，在所研究条件下相对 H-CLUB 具有优势，并提供数值研究及股票市场数据应用。
- 阅读关注点
- 应核对风险指标、置信上界的覆盖含义和混合条件，检查 bootstrap 如何保留依赖，以及稳健性对哪些模型错误成立。
- 阅读边界
- 这是 arXiv 预印本，同行评审未核实。摘要未说明风险定义、完整条件及改进幅度，无法据此判断特定组合的风险水平。
原文摘要
We propose a bootstrap-based robust high-confidence level upper bound (Robust H-CLUB) for assessing the risks of large portfolios. The proposed approach exploits rank-based and quantile-based estimators, and can be viewed as a robust extension of the H-CLUB method (Fan et al., 2015). Such an extension allows us to handle possibly misspecified models and heavy-tailed data. Under mixing conditions, we analyze the proposed approach and demonstrate its advantage over the H-CLUB. We further provide thorough numerical results to back up the developed theory. We also apply the proposed method to analyze a stock market dataset.