Risk Measure Inference
风险度量的统计推断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。
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：摘要围绕条件风险度量的检验、金融机构的风险分组及系统性风险应用展开，直接支持尾部与系统性风险方向。
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…
风险度量的统计推断
- 研究问题
- 在单个时点，如何判断两家金融机构的条件风险度量是否相等，并在估计不确定性下形成可用于系统性风险分析的分组？
- 方法与思路
- 作者提出基于bootstrap的条件风险度量相等检验，适用于多类参数及半参数模型，再通过迭代检验构造机构风险分组。
- 材料陈述的贡献
- 摘要称模拟显示检验具有良好的尺寸与功效；对94家美国金融机构的应用中，某些时期和度量下无法区分风险最高的40家。
- 阅读关注点
- 应核对bootstrap如何处理风险度量的估计误差、迭代分组是否控制多重检验，以及ΔCoVaR、MES和%SRISK的模型设定。
- 阅读边界
- 摘要未说明重抽样方案、相依结构及分组误差控制；无法统计区分仅表示证据不足，不能据此认定机构的真实风险相同。
原文摘要
We propose a bootstrap-based test of the null hypothesis of equality of two firms’ conditional risk measures (RMs) at a single point in time. The test can be applied to a wide class of conditional risk measures issued from parametric or semiparametric models. Our iterative testing procedure produces a grouped ranking of the RMs, which has direct application for systemic risk analysis. Firms within a group are statistically indistinguishable from each other, but significantly more risky than the firms belonging to lower ranked groups. A Monte Carlo simulation demonstrates that our test has good size and power properties. We apply the procedure to a sample of 94 U.S. financial institutions using ΔCoVaR, MES, and %SRISK. We find that for some periods and RMs, we cannot statistically distinguish the 40 most risky firms due to estimation uncertainty.