Essay on semiparametric efficient adaptive estimation and empirical applications in finance
Notice bibliographique
Résumé
This thesis is composed of three chapters. The first two chapters construct semiparametric efficient adaptive estimators: one is for asymmetric GARCH-in-mean models; the other is for single-index models. However, estimation methodologies are different. The first chapter is related to maximum likelihood; and the second chapter minimizes mean square errors. In Chapter 1, without imposing additional restrictions on the distribution of disturbances other than some regular assumptions, I show that parameters appearing in the conditional standard deviation function can be adaptively estimated. The kernel smoothing parameter is calculated by minimizing mean squared errors between estimated score functions and target score functions. Significant asymmetric effects are identified with daily value-weighted stock index returns on NYSE/AMEX. Monte Carlo simulation results support my theory. In Chapter 2, conditional expectation function is estimated by k − nearest neighbor method. I show that semiparametric efficient estimate of parameters of single-index models and k can be calculated simultaneously. Monte Carlo experiments results show that the semiparametric estimator performs equally well across different data generating mechanisms even for small samples. In Chapter 3, catastrophe-linked securities whose payoffs are tied to the occurrence of natural disasters allow insurers to better diversify their risks through capital markets while at the same time offering an attractive new asset class to investors. Up to now, this class of assets is still under development, and few empirical applications have been carefully analyzed. This chapter examines one of the catastrophe-linked instruments—PCS options traded at the CBOT. Two main issues are explored: (a) Theoretical prices are derived by assuming complete and arbitrage free market. Comparing market prices to theoretical prices, three puzzles are observed. (b) Comparing PCS call spread option contracts to traditional excess-of-loss catastrophe reinsurance contracts; I find that pricing patterns of these two types of assets are similar. Other factors, not limited capacity, are capable of explaining these special pricing patterns.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».