Notice bibliographique
Résumé
"A popular measure to assess the likelihood of extreme and rare events—such as economic crises—is the tail index. Because of the small sample of extreme events, measuring the tail index precisely is difficult. Measuring changes to this likelihood over time is even more difficult. Under certain assumptions, using the variation across the population—a cross-section—at a given time offers a way to alleviate the problem posed by a small sample. For instance, to measure the tail index for a stock market, you could use the returns of the individual firms to imply the likelihood of a tail event for the market at a given time. Repeating this exercise for each time period produces a measure of the tail index over time. We show that these measurements contain a bias that fluctuates over time. Our theoretical results reveal that the bias: • results from trivial fluctuations that are common among the cross-section observations • moves the tail index estimates in the opposite direction for events that are extremely negative or extremely positive • is increasing in the number of extreme observations used in the measurement because the added observations are less extreme We provide two simple remedies. First, we devise a new estimator that averages the estimate for the extreme negative and positive events. Averaging the two estimates should cancel the bias present in both tails. Second, we subtract the cross-sectional average from each observation and repeat this at each point in time. To test for the presence, direction and size of the bias, we use monthly US stock returns and annual US Census county population data. We find that the bias plays an important role for stock returns, especially during crisis periods. However, the bias plays a small role for county population data due to the lack of common fluctuations in the population across counties."
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».