MétaCan
Menu
Retour à la cohorte
Enregistrement W2587066997 · doi:10.14738/abr.51.2653

The Distribution Analysis for Extreme Returns of Nikkei 225 Index: Based on the Extreme Value Distribution of GEV and GL

2017· article· en· W2587066997 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueArchives of Business Research · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésExtreme value theoryGeneralized extreme value distributionGeneralized Pareto distributionEconometricsLogistic distributionDistribution (mathematics)Value at riskIndex (typography)MathematicsHeavy-tailed distributionPareto distributionStatisticsEconomicsLogistic regressionProbability distributionComputer scienceRisk managementFinanceMathematical analysis

Résumé

récupéré en direct d'OpenAlex

This paper focuses on the problem of modelling extreme events in the financial market. The choice of the distribution that adequately models the extreme behavior of the financial time series. Extreme Value Theory outlines the framework for determining the best fit distribution for the data. The generalized extreme value distribution and the generalized Pareto distribution are the traditional distributions that most analysts resort to using. However, recent works have shown that the generalized logistic distribution can also capture the effect of the extreme due to its fat tailed characteristic. In this paper, we determine appropriate distribution for extreme returns of Nikkei225 Index and analyze the importance of the generalized logistic distribution in modelling extreme events in the financial market in order to accurately conduct risk measure analysis. Keywords: Extreme Value Distribution, Generalized Logistic Distribution, Sub Period Technique, Probability Weighted Moments

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,331
Score d'incertitude au seuil0,555

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,164
Tête enseignante GPT0,314
Écart entre enseignants0,149 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle