MétaCan
Menu
Retour à la cohorte
Enregistrement W3122070600

Local Likelihood Density Estimation and Value at Risk

2001· preprint· en· W3122070600 sur OpenAlexaff
Christian Gouriéroux, Joanna Jasiak

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2001
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésValue at riskUnivariateEconometricsMultivariate statisticsConditional variancePortfolioNonparametric statisticsComputationMathematicsEstimationStock (firearms)Series (stratigraphy)Conditional expectationExtreme value theoryCovarianceStatisticsDensity estimationValue (mathematics)Parametric statisticsEconomicsAutoregressive conditional heteroskedasticityFinancial economicsRisk managementGeographyFinanceAlgorithm
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Local Likelihood Density Estimation, and Value at Risk. In this paper we fit locally a parametric model to observations lying in a neighborhood of a predetermined value c. This approach provides an instrument of tail analysis, called the local parameter function, which represents the dependence of the estimated parameters on c. As well, a new local likelihood density estimator is proposed. The method is applicable to risk analysis, and especially to the computation of the conditional VaR. An empirical example is presented in the paper. Keywords: Local Likelihood, Kernel, Localized Values at Risk. JEL : C14, C32 THIS VERSION: March 13, 2000 0 R'esum'e Estimation de densit'e par vraisemblance locale et Valeur `a Risque Dans ce papier nous ajustons localement un mod`ele param'etrique aux observations se trouvant dans un voisinage d'une valeur pr'edetermin'ee c. Cette approche fournit un outil d'analyse des queues de distribution, appel'ee fonction de param`etre locale, qui capture la d...

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.

Comment cette classification a été obtenuedéplier

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,664
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
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 Opus0,035
Tête enseignante GPT0,282
Écart entre enseignants0,247 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207