MétaCan
Menu
Retour à la cohorte
Enregistrement W4407166356 · doi:10.1515/strm-2024-0022

Extreme value techniques for stress scenario selection under elliptical symmetry and beyond

2025· article· en· W4407166356 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

RevueStatistics & Risk Modeling · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMonetary Policy and Economic Impact
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEstimatorPortfolioContext (archaeology)Elliptical distributionSkewExtreme value theoryMathematicsSelection (genetic algorithm)EconometricsApplied mathematicsStress (linguistics)Computer scienceMathematical optimizationEconomicsStatisticsFinanceGeologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract The paper considers the problem of stress scenario selection, known as reverse stress testing, in the context of portfolios of financial assets. Stress scenarios are loosely defined as the most probable values of changes in risk factors for a given portfolio that lead to extreme portfolio losses. We extend the estimator of stress scenarios proposed in [P. Glasserman, C. Kang and W. Kang, Stress scenario selection by empirical likelihood, Quant. Finance 15 (2015), 1, 25–41] under elliptical symmetry to address the issue of data sparsity in the tail regions by incorporating extreme value techniques. The resulting estimator is shown to be consistent, asymptotically normally distributed and computationally efficient. The paper also proposes an alternative estimator that can be used when the joint distribution of risk factor changes is not elliptical but comes from the family of skew-elliptical distributions. We investigate the finite-sample performance of the two estimators in simulation studies and apply them on two financial portfolios.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,767
Score d'incertitude au seuil0,869

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,059
Tête enseignante GPT0,266
Écart entre enseignants0,207 · 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