Soft-Noncrossing Bayesian Panel Quantile Regression for Measuring Climate Tail Risk
用于衡量气候尾部风险的软非交叉贝叶斯面板分位数回归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：摘要使用跨国产出增长面板分析气候风险，并明确比较样本外尾部预测损失，因此归入宏观面板与预测。
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
用于衡量气候尾部风险的软非交叉贝叶斯面板分位数回归
- 研究问题
- 如何在跨国面板中描述温度冲击对产出增长不同分位数的影响，并在控制分位数交叉的同时衡量与预测下行尾部风险？
- 方法与思路
- 作者用高斯过程平滑各国系数的分位数路径，以共同时间效应吸收总体冲击，并结合单调 Bernstein 多项式与个体偏离实现软非交叉。
- 材料陈述的贡献
- 摘要称给出识别条件和交叉概率界；跨国应用发现风险集中于增长下尾，且样本外尾部预测损失较各国单独回归降低约三分之一。
- 阅读关注点
- 应核对软非交叉约束与概率界、温度冲击和共同时间效应的识别，以及预测样本划分、损失函数和比较模型的设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未说明气候效应的完整识别条件，所报预测改善仅对应其应用与比较设计。
原文摘要
We develop a hierarchical Bayesian panel quantile regression model in which unit-specific coefficient paths are smoothed across quantiles by Gaussian processes, while a common time effect absorbs aggregate shocks. Componentwise-monotone Bernstein polynomials, perturbed by unit-specific deviations, deliver soft noncrossing, and we provide identification conditions together with a bound on the crossing probability. Applying the model to 33 countries over 1979--2023, we find that global temperature shocks generate a systemic, non-diversifiable downside risk to output growth. This risk is concentrated in the lower tail and disproportionately affects emerging markets. Finally, we apply our framework to risk analysis and show that the model reduces out-of-sample tail-risk forecast loss by roughly one-third relative to country-specific quantile regressions.