https://blog.qife122.com/tags/%E6%9C%9F%E6%9C%9B%E7%9F%AD%E7%BC%BA/ Recent content in 期望短缺 on 办公AI智能小助手 Hugo zh-cn qife Tue, 16 Sep 2025 05:25:16 +0800 https://blog.qife122.com/p/%E9%AB%98%E7%BB%B4%E6%9C%9F%E6%9C%9B%E7%9F%AD%E7%BC%BA%E5%9B%9E%E5%BD%92%E4%B8%AD%E7%9A%84%E7%BA%BF%E6%80%A7%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C/ Tue, 16 Sep 2025 05:25:16 +0800 https://blog.qife122.com/p/%E9%AB%98%E7%BB%B4%E6%9C%9F%E6%9C%9B%E7%9F%AD%E7%BC%BA%E5%9B%9E%E5%BD%92%E4%B8%AD%E7%9A%84%E7%BA%BF%E6%80%A7%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C/ <h2 id="摘要">摘要</h2> <p>期望短缺（ES）在各领域广泛用于刻画分布尾部特征，尤其在金融风险管理中。本文探索利用正交特性的两步程序，在联合分位数和期望短缺回归框架内降低对 nuisance 参数的敏感性。针对高维稀疏模型，提出能够处理重尾数据分布的鲁棒 ℓ1 惩罚两步方法。建立了非渐近估计误差界，并为发散的鲁棒化参数提出了适当的增长率。为对 ES 回归系数的某些线性组合进行统计推断，构建了去偏估计量并发展了其渐近分布，为构建有效置信区间奠定了基础。通过模拟研究验证了所提出方法的有效性，证明了其在具有重尾误差的高维线性模型中的优越性能。</p>