Reliability-Aware ETF Tail-Risk Monitoring
University of Southern California（南加州大学）
本文提出一种考虑可靠性的ETF尾部风险监控服务，结合服务时间质量检查、下尾预测、不确定性评分和风险感知调整，提升尾部风险监控的可靠性与准确性。
2026-07-03 q-fin.RM q-fin.ST
Local Weak Limits for Equilibrium and Risk in Economic Networks
University of Florida（佛罗里达大学）
针对大型稀疏经济网络，提出基于局部弱收敛的局部计算方法，近似均衡分布并推广到风险度量，数值实验验证其准确性与高效性。
2026-09-24 math.PR q-fin.MF q-fin.RM
Fast Computation Of the Economic Capital, the Value at Risk and the Greeks of a Loan Portfolio in the Gaussian Factor Model
本文提出了一种计算高斯因子模型中经济资本、风险价值和希腊数的快速算法。这里提出的算法比蛮力蒙特卡罗模拟或基于傅里叶变换的方法\cite{MD}快得多。虽然Hull-White \cite{HW}的算法非常快，但它假设投资组合中的所有贷款都具有相同的名义利率和回收率。这是一个非常严格的假设，对于实践中遇到的许多投资组合来说是不现实的。我们的算法没有假设投资组合的同质性。此外，它比Hull-White算法更容易实现。我们使用隐函数定理来推导希腊人的解析表达式。
2005-07-08 math.PR math.ST q-fin.CP
Economic Neutral Position: How to best replicate not fully replicable liabilities
金融企业通常必须处理“不可对冲索赔规模乘以可交易资产价值”形式的负债，例如外国财产保险索赔乘以汇率。哪种策略投资于可交易资产的风险最小？我们将Gram-Charlier级数推广为两个相依随机变量之和，这使得我们可以扩展基于风险价值和预期损失的资本要求。我们得到了一个稳定的和相当独立的模型近似的风险最小的资产配置的索赔规模分布和时刻的资产收益率。结果使正确的和易于实施的模块化的资本要求到一个市场风险和不可对冲的风险组成部分。
2019-07-21 q-fin.RM
Stochastic Deflator for an Economic Scenario Generator with Five Factors
在本文中，我们实现了一个随机平减指数与五个经济和金融风险因素：利率，风险的市场价格，股票价格，违约强度和便利收益率。我们研究了不同金融资产的平减指数，如股票、零息债券、普通期权和公司息票债券。我们发现所需的规律性条件，以实现我们的随机平减指数。我们的数值结果表明，在金融衍生品定价的平减指数方法的可靠性。
2019-02-15 q-fin.RM
Dependent default and recovery: MCMC study of downturn LGD credit risk model
有经验证据表明，在经济低迷时期，当违约数量上升时，回收率往往会下降。在估计《巴塞尔协议二》要求的信用风险资本时必须考虑到这一点，以弥补不利经济衰退期间的损失;即所谓的“衰退LGD”要求。本文利用贝叶斯推断方法和马尔可夫链蒙特卡罗方法，通过潜在的系统风险因子，给出了具有违约和回收依赖的LGD信用风险模型的估计。这种方法允许联合估计所有的模型参数和潜在的系统因素，以及所有相关的不确定性。使用穆迪1982-2010年公司债券的年度违约率和回收率的结果表明，参数不确定性对经济资本的影响可能非常显著，应该由从业人员进行评估。
2011-12-25 q-fin.CP q-fin.RM q-fin.ST
Conditional Value-at-Risk Constraint and Loss Aversion Utility Functions
我们提供了一个经济学解释的做法，包括在将风险措施的限制，在一个经典的预期收益率最大化问题。对于我们称之为风险度量的期望类的下确界，我们证明了如果决策者（DM）在风险度量有界的约束下最大化随机收益的期望，那么他在以下意义上表现为“广义期望效用最大化者”。DM表现出的模糊性相对于一个家庭的效用函数定义在一个更大的一组决定比原来的，他采用悲观主义，并执行第一个最小化的期望效用在这个家庭，然后执行一个最大化的一个新的决策集。这种经济行为被称为“风险下的最大值”，Maccheroni（2002）对此进行了研究。当风险度量是条件风险价值时，这种经济解释允许我们展示损失厌恶因子。
2009-06-18 q-fin.RM
Value-at-Risk Diversification of $α$-stable Risks: The Tail-Dependence Puzzle
研究了$α$ -稳定重尾风险的风险分散问题。我们研究的行为的汇总风险价值，特别是参考不同的尾部依赖结构的限制多样化的影响。我们确认了大量的证据，次可加性违规，特别是低尾指数值和正相关的风险。因此，再保险策略不允许利用多样化收益，或者只允许利用非常有限的多样化收益。关于尾部依赖的影响，我们发现了特殊的结果，即对于高尾部依赖水平的多样化的限制是统一的所有依赖水平较低，并为所有级别的$α<2$。当我们向尾部的极值点移动时，结果得到了证实：在这种情况下，我们表明，在尾部的某个点上，聚合的VaR在一定的依赖水平之上变得可加性，但是对于尾部依赖性较低的Copula，这个临界依赖水平较低。
2017-04-24 q-fin.RM
Measuring Tail Risks
针对现有尾部风险度量需指定置信水平的问题，提出基于风险事件最可能最大规模（MPMR）的度量方法，推导其分布特性与尾部指数估计方式，可用于金融与自然灾害风险评估。
2022-11-10 q-fin.RM q-fin.ST
On heavy-tailed risks under Gaussian copula: the effects of marginal transformation
本文研究高斯 copula 依赖结构下的多元重尾尾部风险概率，利用 regular variation 建模发现尾部概率衰减速率随尾部集合类型和相关矩阵变化，且重尾边际下的联合尾部行为结构上不同于高斯边际。
2023-04-11 math.PR q-fin.RM stat.AP
Tail Risk Analysis for Financial Time Series
本章阐述如何将极值统计应用于金融时间序列以评估尾部风险，讨论无条件与条件分位数预测方法，并以S&P 500指数为案例进行风险分析与回测，同时探讨了序列依赖性对多元尾部依赖性的影响。
2024-09-27 q-fin.RM stat.AP stat.ME
Asymptotics of Sum of Heavy-tailed Risks with Copulas
本文研究两个重尾随机变量之和的尾部渐近性，利用具有尾部阶性质的Copula建模相依结构，并给出了聚合风险Value-at-Risk的渐近展开示例。
2024-11-14 q-fin.RM
Bounds for randomly shared risk of heavy-tailed loss factors
对于一个风险向量$V$，其分量在代理人之间通过某种随机机制共享，我们得到了市场中个体代理人的暴露风险和聚集风险的渐近上下界。风险是通过风险价值或条件尾部预期来衡量的。我们假设帕累托尾的组件$V$和任意的依赖结构，在一个多元的定期变化设置。上界和下界由$V$的渐近独立和完全相关分量相对于尾部指数$α$小于或大于1给出。反例，其中非线性聚合函数没有边界，完成图片。
2016-04-11 q-fin.RM
Spatial Weather, Socio-Economic and Political Risks in Probabilistic Load Forecasting
本文提出基于GAM的可解释中期概率小时负荷预测模型，纳入空间天气及跨国社会经济与政治风险，揭示极端天气下电采暖依赖国家的脆弱性。
2024-12-04 cs.CE econ.GN q-fin.EC
Tail-risk protection: Machine Learning meets modern Econometrics
尾部风险保护是金融行业的焦点，需要坚实的数学和统计工具，特别是在推导交易策略时。最近由机器学习（ML）机制驱动的炒作提高了显示和理解ML工具功能的必要性。在本文中，我们提出了一个动态的尾部风险保护策略，目标是最大的预定义水平的风险衡量的价值在风险，同时控制参与牛市制度。我们提出了不同的弱分类，参数和非参数，估计的风险水平，我们从中获得交易信号，以对冲尾部事件的发生概率。然后，我们比较了不同的方法与统计和交易策略的性能，最后，我们提出了一个集成分类器，产生一个Meta尾部风险保护策略，提高泛化和交易性能。
2021-08-24 q-fin.RM
Involving copula functions in Conditional Tail Expectation
本文的目标是提出一种替代的风险度量，它考虑了损失的波动和随机变量之间可能的相关性。这种新的风险度量概念，我们称之为Copula条件尾期望，描述了在潜在的二元风险超过二元门限值的情况下，可以经历的预期风险量，并提供了一个重要的右尾风险度量。实际的财务数据的应用。
2014-04-02 math.ST q-fin.RM stat.AP
A tale of two allocations: Risk capital contributions versus risk contributions in the tail
Department of Mathematics and Statistics, York University（约克大学数学与统计系）；RISC Foundation（RISC基金会）
本文比较了尾部风险资本配置的两种比例方法（CTE与GTE），揭示了它们的一致性条件、排序及渐近行为，并指出差异源于尾部协方差，极端尾部关系由ES与VaR之比决定。
2026-09-30 q-fin.RM
Compound V3 Economic Audit Report
本研究与Compound Finance合作，利用Chainrisk仿真引擎及云平台开展数百万次仿真，计算Compound V3协议的VaR、LaR等关键风险指标并优化风险参数，以降低系统性风险、提升协议稳定性，最终给出参数调整建议。
2024-10-05 q-fin.RM
Modeling and Forecasting Tail Risk Spillovers: A Component-Based CAViaR Approach
University of Messina（墨西拿大学）
本文提出一种基于组件的CAViaR方法，通过分解条件风险价值为风险组件和溢出组件，提升资产尾部风险预测。实证结果显示溢出效应显著改善了样本外预测。
2026-03-26 q-fin.RM
Realized Tail-Risk Conditional Autoregressive Expectile Models: Accurate and Stable Forecasting Performance
Graduate School of Economics, The University of Tokyo（东京大学经济学研究科）；Faculty of Economics, The University of Tokyo（东京大学经济学部）
提出RTCARE模型联合预测VaR与ES，将已实现尾部指标纳入条件期望分位数方程，经MCMC估计参数，实证显示其预测性能优且结果稳定。
2026-10-12 econ.EM q-fin.RM stat.AP
Elicitability and identifiability of tail risk measures
ETH Zurich（苏黎世联邦理工学院）；University of Waterloo（滑铁卢大学）；Wuhan University of Technology（武汉科技大学）
本文研究尾部风险度量与分位数的联合可识别性和可诱导性，证明当生成元具备相应性质时二者可联合识别与诱导，并提出一类新的加权评分，为尾部风险模型的回归拟合、广义矩估计及回测验证提供理论基础。
2025-10-21 math.ST q-fin.RM q-fin.ST
Tail Risk Premia for Long-Term Equity Investors
我们使用一个特定类别的掉期的P&L，代表方差和高阶矩的日志回报，作为估计在我们的实证研究的标准普尔500指数，调查的因素决定方差和高阶矩风险溢价。该类是具有Neuberger聚合特征的互换的离散化不变子类。除了市场超额收益率外，动量是偏度和峰度风险溢价的主要驱动因素，二者呈现高度显著的负相关关系。相比之下，方差风险溢价对规模的反应是积极的，对增长的反应是消极的，方差和尾部风险溢价之间的相关性相对较低，与以前的研究相比，特别是在高采样频率。这些发现扩展了先前对这些风险溢价决定因素的研究。此外，我们细致的数据构建方法避免了扭曲结果的不必要的伪影。
2016-02-02 q-fin.PR q-fin.RM q-fin.ST
Risk Management with Tail Quasi-Linear Means
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）；Ben-Gurion University of the Negev（内盖夫本-古里安大学）
本文提出尾部拟线性均值风险度量，统一涵盖VaR、TVaR和熵风险度量，分析其性质与风险计量含义，并给出截断椭圆损失模型的计算公式。
2020-01-30 q-fin.RM
New class of distortion risk measures and their tail asymptotics with emphasis on VaR
失真风险度量因其吸引人的性质而被广泛应用于金融和保险领域。给出了构造一类新的偏差函数和偏差测度的三种方法。该方法包括堆肥法、混合法和基于copula理论的方法。次可加性是一个重要的属性时，汇总风险，以保持多样化的好处。然而，风险价值（VaR）作为最著名的失真风险度量的例子并不总是全局次可加的，除了椭圆分布的风险。在本文中，而不是研究次可加性，我们研究的尾部次可加性的风险价值和其他失真的风险措施。特别是，我们证明了风险值是尾部次可加的情况下，风险的支持是有界的。各种例子也被提出来说明结果。
2016-03-26 q-fin.RM
EVT-Based Rate-Preserving Distributional Robustness for Tail Risk Functionals
Indian Institute of Management（印度管理学院）
本文提出一种基于EVT的尾部校准模糊设计，以保留尾部风险函数的名义渐近缩放，同时避免标准模糊集导致的风险膨胀。
2026-01-21 math.PR q-fin.RM stat.ME
Estimating value at risk and conditional tail expectation for extreme and aggregate risks
在本文中，我们研究的风险措施，如风险价值（VaR）和条件尾期望（CTE）的极值（最大值和最小值）和总（总）的两个相关的风险。在金融、保险等领域，当人们将资金投资于两个或两个以上相互依赖或相互独立的市场时，在投资前了解其极限风险和总风险是非常重要的。要找到这些风险措施的依赖情况下是相当具有挑战性的，这还没有在文献中报道，据我们所知。我们使用的FGM Copula建模的依赖，因为它是相对简单的计算目的，并取得了经验的成功。对于极端风险的情况，风险的边际分别被认为是指数和帕累托，对于总风险的情况，则被认为是指数。分析了依赖程度对极端风险和总风险的VaR和CTE的影响。我们还对独立风险和非独立风险进行了比较。此外，我们提出了一种新的风险度量称为尾中值（MoT），并研究了极端和总体相关风险的MoT。
2021-01-29 q-fin.RM
Value-at-Risk time scaling for long-term risk estimation
在本文中，我们讨论了一个一般的方法来计算市场风险措施，在长期的视野和极端的风险，这是典型的条件，需要估计经济资本。建议的方法扩展了通常的市场风险的措施，即风险价值（VaR）在短期内和99%的置信水平，通过适当地应用缩放的短期损益（P&L）分布。除了标准的平方根的时间尺度，正态假设的基础上，我们考虑两个尖峰概率密度函数类拟合经验P&L数据集，并准确地推导出他们的缩放行为，根据中心极限定理，解释时间尺度作为卷积问题。我们的分析结果在一系列可能的风险值缩放方法取决于分布提供最佳拟合的经验数据，所需的百分位数水平和经济资本计算的时间范围。在对一个股票交易组合的不同方法进行评估后，我们发现，风险值缩放方法的选择会对经济资本的计算产生很大的影响。特别是，使用基于卷积的方法可能会导致比使用P&L分布的正态假设计算的风险度量大得多（高达四倍）。
2014-08-11 q-fin.RM
Tail-GAN: Learning to Simulate Tail Risk Scenarios
本文提出Tail-GAN，利用VaR与ES的联合可引出性训练GAN生成高维多资产价格情景，以准确刻画静态和动态交易策略的尾部风险，并通过PCA提升可扩展性。
2025-05-16 q-fin.RM
ESG, Risk, and (Tail) Dependence
虽然环境、社会和治理（ESG）交易活动一直是金融市场的一个显著特征，但关于ESG评分是否也能传达有关公司风险的信息的争论仍然存在。欧洲银行管理局（EBA）等监管机构已经认识到ESG因素可能会导致风险。因此，重要的是要对这些风险进行建模，并量化公司风险的哪一部分可以归因于ESG得分。本文旨在质疑ESG分数是否可以用来提供（尾部）风险信息。通过分析具有一系列ESG得分的公司的（尾部）依赖结构，即在ESG评级类别内，使用高维藤copula模型，我们能够表明风险也可以依赖于特定的ESG评级类别并与之直接相关。对真实世界数据的实证研究结果显示，由ESG评分确定的ESG风险是积极的，不可忽视，特别是在2008年危机期间。
2021-11-09 q-fin.RM
Estimating and backtesting risk under heavy tails
虽然风险的{估计}在银行和保险的日常业务中是一个重要的问题，但是许多现有的插件估计过程遭受不必要的偏差。这往往会导致低估风险，并对回测结果产生负面影响，特别是在小样本情况下。在这篇文章中，我们表明，估计偏差和回测之间的联系可以追溯到风险措施和相应的性能指标之间的双重关系，并讨论这在风险价值，预期损失和预期的风险价值。出于一致低估的风险插件程序，我们提出了一个新的算法偏差校正，并展示了如何将其应用于广义帕累托分布的i.i.d.设置并映射到GARCH（1，1）时间序列。特别是，我们表明，我们的算法的应用程序导致获得的效率时，重尾或异方差存在的数据。
2022-01-31 math.ST q-fin.RM q-fin.ST
Conditional tail risk expectations for location-scale mixture of elliptical distributions
本文给出了位置-尺度混合椭圆分布的一元尾条件期望和多元尾条件期望的一般结果。例子包括正态分布的位置-尺度混合、Student- $t$分布的位置-尺度混合、逻辑斯谛分布的位置-尺度混合和拉普拉斯分布的位置-尺度混合。我们还考虑了椭圆分布的位置-规模混合的组合风险分解与TCE。
2020-07-18 math.ST q-fin.RM stat.TH
Tail Risk of Electricity Futures
本文比较了几种模型的样本内和样本外性能，用于计算2008-2017年在NordPool，法国，德国和西班牙市场交易的一个月和一年期电力期货合约的尾部风险。作为尾部风险的度量，我们使用一天前的风险价值（VaR）和预期损失（ES）。对于VaR，具有Student-t分布的AR（1）-Gestion（1，1）模型是性能最好的规格，其中88%的案例中Fisher检验接受该模型，左尾的成功率为94%，右尾为81%。该模型在NordPool和德国市场的100%案例中通过了模型充分性测试，但在西班牙和法国市场的案例中仅分别为88%和63%。使用ES，该模型在所有市场的100%情况下通过了模型充分性测试。历史模拟和基于分位数回归的方法错误估计了尾部风险。收益率的右尾比左尾更难建模，因此金融监管机构和期货市场的管理者在为空头头寸设定额外的监管资本要求和保证金账户规定时应考虑这些结果。
2022-02-03 q-fin.RM
Measuring Systemic Risk: Common Factor Exposures and Tail Dependence Effects
我们使用一个共同的因素，占整个市场的冲击和尾部依赖因素，占极端股票收益之间的联系模型系统性风险。具体来说，我们的理论模型允许公司特定的罕见和极端事件的影响。我们使用1996年至2011年美国金融业四个部门的数据，发现了两个关键的实证结果。首先，忽视尾部相关因素的影响会导致系统性风险的测量出现向下偏差，特别是在经济疲软时期。其次，当这些指标作为圣路易斯联邦储备银行金融压力指数的领先指标时，包含尾部依赖因子的指标比仅基于共同因子的指标具有更好的预测能力。
2022-02-04 q-fin.RM
Tail models and the statistical limit of accuracy in risk assessment
在风险管理中，尾部风险是至关重要的。风险评估应按照监管机构的要求在高分位数进行。一般来说，底层分布函数是未知的，数据库是稀疏的，因此使用特殊的尾部模型。通常，广义帕累托分布被用作基本模型，其参数由尾部区域的数据确定。有了确定的尾部模型，统计学家然后计算所需的高分位数。在此背景下，我们考虑了分位数计算的可能精度，并根据置信水平和尾部模型的参数确定了分位数估计的有限样本分布函数，进而计算了分位数估计的有限样本偏差和有限样本方差。最后，我们提出了一个未知分布函数的分位数的影响分析。
2019-04-27 q-fin.RM stat.ME
Global Index on Financial Losses due to Crime in the United States
犯罪可能对投资产生不稳定的影响。尽管犯罪率在投资中具有潜在的重要性，但美国没有专门用于评估犯罪对金融影响的指数。因此，本文提出了一个基于指数的保险组合，在美国的犯罪，利用金融损失报告的联邦调查局的财产犯罪和网络犯罪。我们的研究旨在帮助投资者设想我们的投资组合中的风险敞口，根据他们所期望的风险水平衡量投资风险，并为经济崩溃造成的潜在损失制定对冲策略。作为指数的基础，我们通过发行可销售的欧洲看涨期权和看跌期权并提供风险预算（分散每种犯罪类型的风险）来对冲投资。我们发现，不动产、勒索软件和政府冒充是主要的风险贡献者。然后，我们评估我们的指数的表现，以确定其对经济危机的适应能力。与本研究中使用的经济因素相比，失业率可能表明投资组合存在较高的系统性风险。最后，本文为保险风险证券化提供了理论依据，可以预警投资者将风险转移给资本市场投资者。
2021-05-07 q-fin.CP q-fin.PR q-fin.RM
A tail-shape actuarial index based on equal level relationships between Value at Risk and Expected Shortfall
University of Piraeus（比雷埃夫斯大学）；Athens University of Economics & Business（雅典经济与商业大学）
本文提出θ指数，用于基于价值风险与预期短缺的相等水平关系，评估损失分布的尾部行为，并通过均值超额函数与广义帕累托模型建立联系，同时推导风险贡献并用于稳定的价值风险分配计算。
2026-01-28 q-fin.RM
A Stochastic Climate Model -- An approach to calibrate the Climate-Extended Risk Model (CERM)
最初的气候扩展风险模型（CERM）通过巴塞尔II IRB模型的气候扩展，解决了银行贷款组合中嵌入的气候相关金融风险的估计。它使用了一个高斯copula模型与非平稳的宏观相关性校准，以反映未来与气候相关的金融风险的演变。在这篇补充文章中，我们提出了一种随机的前瞻性方法来校准气候宏观相关性演变的科学气候数据，特别是物理和过渡的努力。我们假设全球物理和过渡风险，类似于大气中持续的温室气体浓度。经济风险被认为是固定的，因此可以用向后看的方法进行校准。我们提出了4个关键原则来模拟GDP，我们建议用三个相互依赖的随机过程来模拟经济，物理和过渡努力因素，允许用七个定义良好的参数进行校准。这些参数可以使用公共数据进行校准。这种新方法不仅意味着在不选择任何特定情景的情况下评估气候风险，而且还允许通过设计一个框架来评估每个步骤产生的信用损失，填补当前监管和经济资本模型的一年期方法与气候风险的必要长期观点之间的差距在2022年中央银行权衡气候资本收费利弊的背景下，这种新方法可能会被证明是有用的。
2022-05-05 q-fin.RM
One-year reserve risk including a tail factor: closed formula and bootstrap approaches
在本文中，我们详细介绍了在实践中使用的主要模拟方法来衡量一年期准备金风险，并描述了自助法提供的索赔开发结果（CDR）的经验分布，其方差与Wüthrich等人（2008）提出的预测误差的封闭式表达式相同。特别是，我们整合了随机建模的尾部因子的引导过程。我们证明了与现有的分析结果的等价性，并开发了封闭形式的表达式，包括尾部因子的预测误差。最后给出了一个数值算例。
2012-04-02 q-fin.RM
Quantitative Statistical Robustness for Tail-Dependent Law Invariant Risk Measures
当使用经验数据或蒙特卡罗模拟通过尾部依赖的规律不变风险度量（如条件风险价值（CVaR））来估计财务状况的风险时，确保统计估计的稳健性非常重要，特别是当数据包含噪声时。Kratscher等人[1]提出了一个新的框架来研究Orlicz空间上尾依赖律不变风险度量估计量的定性鲁棒性，这是Cont等人[2]研究风险度量过程鲁棒性的早期工作的又一步。在本文中，我们遵循的研究流，提出了一个定量的方法来验证尾依赖的法律不变的风险措施的统计鲁棒性。该方法的一个显著特点是在分析基于真实数据和扰动数据的律不变风险测度的插入式估计量的律之间的差异时，使用Fortet-Mergent度量来量化真实潜在概率测度的变化，这使得我们能够得到一个显式的误差界的差异时，风险功能是Lipschitz连续的一类容许的法律为此外，新引入的Lipschitz连续性的概念，使我们能够检查的程度的鲁棒性尾相关的风险措施。最后，我们将我们的定量方法应用于一些著名的风险度量来说明我们的理论。
2020-06-28 econ.EM math.PR q-fin.RM
Estimating and backtesting risk under heavy tails
虽然风险估计是银行和保险日常业务中的一个重要问题，但许多现有的插件估计程序存在不必要的偏差。这往往会导致低估风险，并对回测结果产生负面影响，特别是在小样本情况下。在这篇文章中，我们表明，估计偏差和回测之间的联系可以追溯到风险措施和相应的性能指标之间的双重关系，并讨论这在风险价值，预期损失和预期的风险价值。受插件程序一致低估风险的启发，我们提出了一种新的偏差校正算法，并展示了如何将其应用于广义Pareto分布的i.i.d.。设置并映射到GARCH（1，1）时间序列。特别是，我们表明，我们的算法的应用程序导致获得的效率时，重尾或异方差存在的数据。
2022-01-26 q-fin.RM
Approximation of Some Multivariate Risk Measures for Gaussian Risks
高斯随机向量表现出维数损失现象，这与它们的联合生存尾行为有关。此外，这些向量的分量是轻尾的事实使各种多变量风险度量的近似显着复杂化。在这方面的贡献，我们得到精确的近似边际平均超额，边际预期损失和多元条件尾期望的高斯随机向量和突出的联系与条件极限定理。我们的研究表明，类似的结果适用于椭圆和高斯样多变量风险。
2018-10-07 math.PR q-fin.RM
Hidden Dependence and Aggregate Tail Risk
University of Verona（维罗纳大学）；University of Waterloo（滑铁卢大学）；Solvay Business School, Vrije Universiteit Brussel（布鲁塞尔自由大学索尔韦商学院）
本文引入“隐藏依赖”概念，研究分布鲁棒下任意非降聚合函数与尾部风险测度的风险聚合问题，证明隐藏依赖可导致与无约束情况相同的极值风险界，并应用于信用风险揭示依赖不确定性对资本要求的潜在低估。
2026-06-29 q-fin.MF q-fin.RM
Optimizing tail risks using an importance sampling based extrapolation for heavy-tailed objectives
出于突出的条件风险价值（CVaR）作为衡量尾部风险的设置受不确定性的影响，我们开发了一个新的公式近似基于CVaR的优化目标和它们的梯度从有限的样本。一个关键的困难，限制了广泛的实际使用这些优化配方是大量的数据所需的国家的最先进的样本平均近似计划，以近似CVaR目标高保真。不同于国家的最先进的样本平均近似，需要不切实际的大量数据的尾部概率区域，建议的近似方案利用重尾分布的自相似性外推数据从合适的较低的分位数。所得到的近似被证明是统计上一致的，并适合通过传统的梯度下降优化。该近似是指导通过系统的重要性抽样方案，其渐近方差降低性能进行严格检查。数值实验表明，所提出的近似的优越性和易于实施点的多功能性设置的近似方案可以应用。
2020-08-22 q-fin.PM q-fin.RM stat.ME
Deep Hedging to Manage Tail Risk
Tokyo Institute of Technology（东京工业大学）
扩展 Deep Hedging 范式，采用深度神经网络参数化凸风险最小化（CVaR/ES）解决投资组合尾部风险对冲问题，在危机期模拟器实验中显著降低一日 99% CVaR 并验证了现实市场中的鲁棒性。
2025-06-27 cs.LG math.OC q-fin.CP
