Quantile-based smooth transition value at risk estimation
基于分位数的平滑转换风险价值估计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：摘要明确围绕风险价值、条件波动及自回归条件分位数时间序列模型展开。
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
基于分位数的平滑转换风险价值估计
- 研究问题
- 条件波动具有非对称动态时，如何通过平滑转换的条件分位数模型估计风险价值，并评估其样本外预测表现？
- 方法与思路
- 作者设定由平滑转换函数加权的两区制广义自回归分位数模型，先用复合分位数回归筛估计波动，再估计条件分位数。
- 材料陈述的贡献
- 摘要称估计量一致且渐近正态；DAX和美元兑英镑日收益应用中均有良好样本外表现，但仅后者呈现两区制特征。
- 阅读关注点
- 应核对筛估计和第二步误差的理论处理、区制识别与转换变量设定，以及风险价值预测的回测指标和比较基准。
- 阅读边界
- 摘要未给出正则条件、分位数水平、样本划分或预测改善数值；两组应用不能证明两区制模型普遍适用。
原文摘要
Summary Value at risk models are concerned with the estimation of conditional quantiles of a time series. Formally, these quantities are a function of conditional volatility and the respective quantile of the innovation distribution. The former is often subject to asymmetric dynamic behaviour, e.g., with respect to past shocks. In this paper, we propose a model in which conditional quantiles follow a generalised autoregressive process governed by two parameter regimes with their weights determined by a smooth transition function. We develop a two-step estimation procedure based on a sieve estimator, approximating conditional volatility by using composite quantile regression, which is then used in the generalised autoregressive conditional quantile estimation. We show that the estimator is consistent and asymptotically normal, and we complement the results with a simulation study. In our empirical application, we consider daily returns of the German equity index (DAX) and the USD/GBP exchange rate. Although only the latter follows a two-regime model, we find that our model performs well in terms of out-of-sample prediction in both cases.