Estimation of Conditional Value-at-Risk in Linear Model

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F24%3A00598425" target="_blank" >RIV/67985556:_____/24:00598425 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/67985807:_____/24:00598425 RIV/46747885:24510/24:00012458
Výsledek na webu
<a href="https://link.springer.com/chapter/10.1007/978-3-031-65993-5_24" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-031-65993-5_24</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-031-65993-5_24" target="_blank" >10.1007/978-3-031-65993-5_24</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Estimation of Conditional Value-at-Risk in Linear Model
Popis výsledku v původním jazyce
The conditional value-at-risk (CVaR) represents a popular risk measure often exploited e.g. within portfolio optimization. The situation with a nuisance linear regression is considered here, in other words, we do not observe directly the loss Z of interest, but only Y=beta _0+Xbeta+Z, where the covariates are not under our control. We propose a novel estimator of CVaR(Z) based on the averaged two-step regression quantile combined with an R-estimate of regression parameters.
Název v anglickém jazyce
Estimation of Conditional Value-at-Risk in Linear Model
Popis výsledku anglicky
The conditional value-at-risk (CVaR) represents a popular risk measure often exploited e.g. within portfolio optimization. The situation with a nuisance linear regression is considered here, in other words, we do not observe directly the loss Z of interest, but only Y=beta _0+Xbeta+Z, where the covariates are not under our control. We propose a novel estimator of CVaR(Z) based on the averaged two-step regression quantile combined with an R-estimate of regression parameters.

Projekt
<a href="/cs/project/GA22-03636S" target="_blank" >GA22-03636S: Agregace metodologií založená na ekonomických datech</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2024
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Combining, Modelling and Analyzing Imprecision, Randomness and Dependence
ISBN
978-3-031-65992-8
ISSN
2194-5357
e-ISSN
—
Počet stran výsledku
8
Strana od-do
200-207
Název nakladatele
Springer
Místo vydání
Cham
Místo konání akce
Salzburg
Datum konání akce
3. 9. 2024
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
001323540900024

Podobné výsledky(10)