MétaCan
Menu
Retour à la cohorte
Enregistrement W3125265748 · doi:10.1287/moor.2020.1072

A Theory for Measures of Tail Risk

2021· article· en· W3125265748 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

RevueMathematics of Operations Research · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Portfolio Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCoherent risk measureDynamic risk measureSpectral risk measureRisk measureExpected shortfallTail riskSubadditivityValue at riskMathematicsTime consistencyRisk managementActuarial scienceEconometricsMeasure (data warehouse)ConvexityFinancial riskFinancial risk managementEconomicsComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

The notion of “tail risk” has been a crucial consideration in modern risk management and financial regulation, as very well documented in the recent regulatory documents. To achieve a comprehensive understanding of the tail risk, we carry out an axiomatic study for risk measures that quantify the tail risk, that is, the behaviour of a risk beyond a certain quantile. Such risk measures are referred to as tail risk measures in this paper. The two popular classes of regulatory risk measures in banking and insurance, value at risk (VaR) and expected shortfall, are prominent, yet elementary, examples of tail risk measures. We establish a connection between a tail risk measure and a corresponding law-invariant risk measure, called its generator, and investigate their joint properties. A tail risk measure inherits many properties from its generator, but not subadditivity or convexity; nevertheless, a tail risk measure is coherent if and only if its generator is coherent. We explore further relevant issues on tail risk measures, such as bounds, distortion risk measures, risk aggregation, elicitability, and dual representations. In particular, there is no elicitable tail convex risk measure other than the essential supremum, and under a continuity condition, the only elicitable and positively homogeneous monetary tail risk measures are the VaRs.

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)0,013
score de la tête « metaresearch » (Gemma)0,033
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,423
Tête enseignante GPT0,517
Écart entre enseignants0,094 · 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