Model-assisted sensitivity analysis for treatment effects under unmeasured confounding via regularized calibrated estimation
考虑使用敏感性分析估计未测量混杂情况下的平均处理效应，假设满足边际敏感性模型。在人口水平上，我们提供了新的表示尖锐的人口界和双重强大的估计功能，最近来自多恩，郭和Kallus。我们还根据加权线性结果分位数回归推导出新的、宽松的种群界限。在样本水平上，我们开发了新的方法和理论，不仅获得双重稳健的点估计的放松人口界相对于误指定的倾向得分模型或结果均值回归模型，但也模型辅助的置信区间是有效的，如果正确指定的倾向得分模型，但结果分位数和均值回归模型可能被误指定。如果正确指定了结果分位数回归，则放松的总体边界减少到锐边界。对于线性结果均值回归模型，置信区间也具有双重稳健性。我们的方法涉及正则化校准估计，Lasso惩罚，但精心选择的损失函数，拟合倾向得分和结果的平均值和分位数回归模型。我们提出了一个模拟研究和实证应用的观察性研究的影响，右心导管插入术。
2022-09-23 stat.ME
Tail Risk Equivalent Level Transition and Its Application for Estimating Extreme $L_p$-quantiles
针对$L_p$-分位数尾部风险转换机制不明的问题，本文提出尾部风险等价水平转换（TRELT）概念，推导其存在性、唯一性与渐近性质，基于该转换提出极端$L_p$-分位数的新外推估计方法，并通过模拟和真实数据验证了方法的有效性。
2024-12-13 stat.ME
Extremal Quantile Regression: An Overview
极值分位数回归，即应用于条件分布尾部的分位数回归，在越来越多的经济和金融应用中发挥作用，如风险价值、生产前沿、低婴儿出生体重的决定因素和拍卖模型。本章概述了极值分位数回归理论和算法的最新发展。该理论的进展依赖于对Koenker和Bassett（1978）分位数回归估计定律的极值近似的使用。极值律不仅被证明在尾部提供比高斯律更准确的近似，而且还被用作使用模拟和适当的自举和子采样变化来开发偏差校正估计量和推断方法的基础。这些方法的适用性说明了两个实证例子的条件风险价值和金融传染。
2017-02-08 econ.EM stat.ME
A simulation study comparing statistical approaches for estimating extreme quantile regression with an application to forecasting of fire risk
本研究通过模拟框架比较了多种极值分位数回归估计方法在火灾风险预测中的表现，发现最高气温与火灾频率正相关，并提出混合策略以提升极端事件预测的准确性与可解释性。
2025-06-29 stat.ME
Inference for Extremal Conditional Quantile Models, with an Application to Market and Birthweight Risks
分位数回归是经济学和其他科学中越来越重要的经验工具，用于分析一组回归变量对结果的条件分布的影响。极值分位数回归，或应用于尾部的分位数回归，在许多经济和金融应用中很有意义，例如条件风险价值，生产效率和（S，s）模型中的调整带。在本文中，我们提供了可行的推断工具，极值条件分位数模型，依赖于极值近似的自归一化分位数回归统计分布。该方法易于实现，即使在非回归情况下也可以独立感兴趣。我们用两个实证例子来说明结果，分析股票收益的极端波动和活婴儿出生体重在250和1500克之间的极低波动。
2009-12-26 econ.EM math.ST q-fin.RM
Center-outward quantiles and the measurement of multivariate risk
风险度量的单变量理论的所有多变量扩展都遇到了同样的基本问题，即在d > 1维中，Rd没有一个正则序。基于测量运输的想法，最近在统计文献中进行了几次尝试，以克服这一概念上的困难。在Hallin（2017）中，中心向外分布和分位数函数的概念被发展为分布和分位数函数的经典单变量概念的概括，以及它们的经验版本。我们提出了一类光滑近似，作为del Barrio等人（2018）中开发的插值的替代方案。这种近似允许一些新的经验风险措施的计算，无论是基于凸势与建议的运输，或由此产生的经验分位数区域的体积。我们还讨论了这种运输的作用，与多变量定期变化的分布的风险评估。一些模拟和案例研究的应用说明了该方法的价值。
2019-12-10 stat.AP stat.ME
Statistical Estimation for Covariance Structures with Tail Estimates using Nodewise Quantile Predictive Regression Models
本文针对带尾部估计的协方差结构，提出用分位数预测回归估计VaR-CoVaR风险矩阵，还构建了无调优参数、具有一致性的FOCE变量选择算法，经真实与模拟数据集验证可用于网络系统性风险建模。
2023-07-24 econ.EM stat.ME
Quantile Regression Modeling of Recurrent Event Risk
慢性疾病的进展通常表现为随着时间的推移反复发生疾病相关事件。描述这种复发事件风险的异质性可以为指导定制的疾病管理提供有价值的科学见解。在本文中，我们提出了一个新的建模框架，复发事件的数据，这使得一个灵活的和强大的表征，通过分位数回归，同时容纳观察到的协变量和不可观察的脆弱性的复发事件的个人倍增风险。建议的建模不需要分布规格的不可观察的弱点，同时允许探索动态协变量的影响。我们开发的估计和推理程序所提出的模型，通过一种新的适应原则的条件得分。证明了估计量的一致相合性和弱收敛性。大量的仿真研究表明，所提出的方法具有令人满意的有限样本性能。我们通过应用于糖尿病临床试验来说明新方法的实际效用，该试验探索了2型糖尿病患者低血糖的风险模式。
2018-11-15 stat.ME
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
A nonparametric instrumental approach to endogeneity in competing risks models
本文讨论了具有持续期结局、竞争风险和随机右截尾的内生治疗模型。使用离散工具变量解决了内点问题。我们发现，竞争风险模型产生一个非参数分位数工具回归问题。特定原因累积发生率、特定原因危害和子分布危害可以从回归函数中恢复。该模型的一个显着特点是，审查和竞争风险防止识别在某些分位数。我们的特点是一组分位数的精确识别是可能的，并给出部分识别结果的其他分位数。我们概述了一个估计过程，并讨论其性质。有限样本性能的估计通过模拟评估。我们将所提出的方法应用于大纽约州的健康保险计划实验。
2021-05-03 econ.EM math.ST q-bio.QM
Risk-Aware Quantile Learning for Personalized Dynamic Treatment Regimes
Department of Statistics and Applied Probability, University of California, Santa Barbara（加州大学圣塔芭芭拉分校统计与应用概率系）
本研究提出风险感知分位数动态治疗方案（RQDTR）框架，通过多子类设计优化治疗相关风险与分位数疗效，在模拟及真实临床数据中验证其获益-风险权衡优势。
2026-08-07 math.ST stat.ME stat.ML
Quantile-based bias correction and uncertainty quantification of extreme event attribution statements
极端事件归因描述了人为气候变化如何影响某些个别极端天气和气候事件的概率和规模。归因陈述通常涉及归因风险分数（FAR）或风险比（RR）以及相关的置信区间的量化。许多此类分析使用气候模式输出来描述有或没有人为影响的极端事件行为。然而，这种气候模式在描述极端事件时可能存在偏差。为了解释观测数据集和模型数据集之间极端事件概率的差异，我们根据数据集的分位数对模型输出进行了适当的重新缩放，以估计调整后的风险比。我们的方法考虑了风险比率估计中的各种不确定性。特别是，我们提出了一种方法来构建一个单侧置信区间的风险比的下限时，估计的风险比是无穷大。我们使用2011年夏季美国中部的热浪和社区地球系统模型的输出来演示该方法。在这个例子中，我们发现风险比的下限对实际事件的大小和概率相对不敏感。
2016-02-12 stat.ME
Dynamic Bayesian regression quantile synthesis for forecasting outlook-at-risk
Meiji University（明治大学）；Keio University（庆应义塾大学）；Nagoya University（名古屋大学）
本文提出动态贝叶斯回归分位数合成方法，通过引入时间变化的潜在因子结构，提升多变量时间序列的分位数预测性能。
2026-03-12 stat.AP stat.ME
Static and Dynamic Models for Multivariate Distribution Forecasts: Proper Scoring Rule Tests of Factor-Quantile vs. Multivariate GARCH Models
存在大量的静态和动态模型来预测金融风险管理中使用的风险价值和其他与分位数相关的指标。工业实践倾向于支持更简单的静态模型，如历史模拟或其变体，而大多数学术研究集中在GARCH家族的动态模型上。虽然有许多研究考察了多变量模型预测风险指标的准确性，但几乎没有关于准确预测整个多变量分布的研究。然而，这是资产定价或投资组合优化问题的一个基本要素，具有非分析解决方案。我们使用各种适当的多元评分规则来处理这个高度复杂的问题，以评估超过100，000个八维多元分布的预测：汇率，利率和商品期货。通过这种方式，我们测试了静态模型的性能，即经验分布函数和一个新的因子分位数模型，在非对称多变量Gestival类中使用常用的动态模型。
2022-03-10 stat.ME
A Pooled Quantile Estimator for Parallel Simulations
分位数是量化随机系统随机行为的重要风险度量。本文研究了一种混合分位数估计量，它是将独立样本路径直接混合在一起后的详细模拟输出的样本分位数。我们得到了混合分位数估计的渐近表示，并进一步证明了它的正态性。通过与随机模拟中经典分位数估计的比较，理论和实证研究都证明了该方法在并行模拟环境下的优越性。
2019-10-13 stat.ME
Extreme quantile regression with deep learning
本研究综述了结合有理论依据的极值理论模型与深度学习方法的极端分位数回归技术，可应对协变量数量与分位数水平均极端的复杂高维场景，为多领域风险评估提供高效方法支撑。
2024-04-14 stat.ME
A Multi-Level Simulation Optimization Approach for Quantile Functions
分位数是随机系统评价其变异性和风险的常用性能度量。为了降低风险，选择最小化某些损失分布的尾部分位数的行动通常是决策者感兴趣的。当通过模拟观察损失分布时，评估和优化其分位数函数可能具有挑战性，特别是当模拟昂贵时，因为可能需要大量模拟运行才能获得准确的分位数估计值。在这项工作中，我们提出了一个多层次的元模型（协同克里金）为基础的算法，以优化分位数函数更有效。利用分位数函数的非递减性质，我们首先搜索更便宜和信息量更低的分位数，这些分位数更准确，更容易优化。分位数水平迭代地增加到目标水平，而搜索集中在由先前水平识别的可能有希望的区域上。这使我们能够利用来自较低分位数的准确信息来更快地找到最优值并提高算法效率。
2019-01-17 math.OC stat.ME
Functional Data-Driven Quantile Model Averaging with Application to Cryptocurrencies
针对加密货币市场尾部风险预测中函数型数据的不确定性问题，提出数据驱动的条件分位数模型平均方法，通过K折交叉验证分配权重，证明了其渐近最优性与一致性，数值实验显示其在极端分位数预测上表现更优。
2025-01-18 math.ST stat.ME stat.TH
Neural Networks for Extreme Quantile Regression with an Application to Forecasting of Flood Risk
提出结合神经网络与极值理论的EQRN模型用于极端分位数回归，并开发循环版本捕捉时间序列依赖，应用于洪水风险预测，提供动态超越概率预测以辅助预警。
2024-11-12 stat.AP stat.ME stat.ML
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
Inference for Joint Quantile and Expected Shortfall Regression
分位数和预期缺口是金融风险管理中常用的风险度量方法。这两种测量方法既有相关性又有各自的特点。在本计画中，我们的主要目标是发展稳定且实用的条件期望亏绌推论方法。为了便于统计推断过程，我们考虑了条件分位数和期望短缺的联合建模。虽然回归系数可以通过最小化一类严格一致的联合损失函数来联合估计，但由于损失函数既不是可微的也不是凸的，特别是当参数的维数很大时，计算是具有挑战性的。为了减少计算量，我们提出了一个两步估计过程，首先估计分位数回归参数与标准的分位数回归。我们证明了两步估计与联合估计具有相同的渐近性质，但前者在数值上更有效。我们进一步发展了一个分数型推理方法的假设检验和置信区间建设。与Wald型方法相比，评分方法对异质性具有鲁棒性，在有限样本中更优越，特别是对于具有大量混杂因素的情况。我们通过数值研究证明了所提出的方法比现有方法的优势。
2022-08-22 stat.ME
Estimation of the Risk Measure under a Nuisance Autoregression
Institute of Information Theory and Automation, Czech Academy of Sciences（捷克科学院信息理论与自动化研究所）；Technical University of Liberec（利贝雷茨工业大学）
本文研究在仅能通过观测X估计自回归系数的情况下，如何估计Z的分位数函数以作为风险度量。方法结合了自回归量规和R估计量。
2026-05-11 stat.ME
Parametric quantile autoregressive conditional duration models with application to intraday value-at-risk
本文提出一种基于对数对称分布分位数重参数化的新ACD模型，可建模不同百分位数的条件久期，并通过最大似然估计、残差诊断和蒙特卡洛模拟验证，最终应用于价格久期数据以推导半参数日内风险价值模型。
2023-08-29 stat.ME stat.ML
Risk-Calibrated Balancing for High-Dimensional Causal Extrapolation
针对高维弱重叠下协变量平衡导致方差增大的问题，提出风险校准平衡方法，通过岭惩罚和条件预测风险选择参数，在模拟和真实数据中降低目标风险并改进估计。
2026-10-05 stat.ME
Varying-coefficients for regional quantile via KNN-based LASSO with applications to health outcome study
Sungkyunkwan University（成均馆大学）
本文提出基于KNN融合Lasso的变系数区域分位数回归框架，用于刻画健康结局与风险因素随年龄变化的关联，并给出ADMM求解算法及理论与实证支持。
2023-08-08 cs.LG stat.ME stat.ML
D-vine copula based quantile regression
分位数回归，即条件分位数的预测，在统计建模和金融应用中逐渐获得重要性。作者介绍了一种新的半参数分位数回归方法的基础上，顺序拟合的似然最优D-藤copula给定的数据，导致高度灵活的模型，易于提取的条件分位数。作为正则vine copula的一个子类，D-vines使得能够根据二元构建块对多元copula进行建模，即所谓的pair-copula构造（PCC）。该算法的工作速度快，准确，即使在高维，并采用了自动变量选择最大化的条件对数似然。此外，分位数回归的典型问题，如分位数交叉或变换，变量的相互作用和共线性，都将自动处理。在一个模拟研究中，与已建立的分位数回归方法相比，该方法提高了精度并节省了计算时间。国际信用违约互换（CDS）数据，包括压力测试和风险价值（VaR）预测的广泛的金融应用表明，所提出的方法的实用性。
2016-11-16 stat.ME
Generalized Venn and Venn-Abers Calibration with Applications in Conformal Prediction
University of Washington（华盛顿大学）
本文提出统一的Venn和Venn-Abers校准框架，将二元分类扩展至一般损失函数预测问题，生成有限样本下边际校准的集值预测，并提出Venn多校准方法，在保形预测中恢复并扩展了多种特例。
2025-07-15 cs.LG stat.ME stat.ML
When Stress Tests Miss the Risk: Statistical Scenario Analysis for Financial Portfolios
Imperial Business School, Imperial College（帝国理工学院商学院）
本文提出机器学习框架，通过在线校准的预测区间量化情景收益不确定性，解决传统压力测试点估计忽视风险因子依赖的问题，并验证了其在真实市场中的有效性。
2026-09-30 stat.AP stat.ME
Moment-Calibrated Conformal Prediction with Side Information
School of Statistics and Data Science, Nankai University（南开大学统计与数据科学学院）；School of Mathematics and Statistics, University of Melbourne（墨尔本大学数学与统计学院）；School of Mathematical Science, Chengdu University of Technology（成都理工大学数学科学学院）
该研究提出带辅助信息的矩校准共形预测方法，利用辅助信息减少校准数据集变异性，理论证明其方差不大于标准方法，半监督设定中确定最优矩函数，数值研究验证了方法有效性。
2026-10-14 math.ST stat.ME stat.TH
Localized Conformal Multi-Quantile Regression
Department of Biostatistics, Georgetown University（乔治城大学生物统计学系）
本文提出LCMQR框架，结合多分位信息与核定位，构建高效适应性预测区间，并通过GC-LCMQR实现组级覆盖，提升预测效率与有效性。
2025-11-30 cs.AI cs.LG stat.ME
Measuring Discrete Risks on Infinite Domains: Theoretical Foundations, Conditional Five Number Summaries, and Data Analyses
本文将平滑分位数估计量的统计推断从有限域扩展至无限域，提出新截断方法和基于bootstrap的灵活策略，利用汽车事故数据计算尾部风险条件五数概括（C5NS），证明该方法比线性插值法更准确且变异系数更低。
2023-04-05 econ.GN q-fin.EC stat.AP
