Elicitability and identifiability of tail risk measures
创建于 更新于
摘要
本文系统研究尾部风险度量及其生成器的可识别性与可引出性，在此基础上建立了尾部风险度量与其对应分位数的联合可识别性和可引出性理论，揭示了两者对应的识别函数和一致性评分函数的构造方法。提出了一类加权评分函数，包含Fissler和Ziegel为期望短缺与分位数设计的评分函数，提升了尾部风险模型拟合与验证的统计工具箱，为回归、广义矩估计和机器学习等方法的应用奠定理论基础 [page::0][page::1][page::13][page::23]
