Carregant...
Fitxers
Tipus de document
ArticleVersió
Versió publicadaData de publicació
Llicència de publicació
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/193707
Cross-sectional quantile regression for estimating conditional VaR of returns during periods of high volatility
Títol de la revista
Director/Tutor
ISSN de la revista
Títol del volum
Recurs relacionat
Resum
Evaluating value at risk (VaR) for a firm's returns during periods of financial turmoil is a challenging task because of the high volatility in the market. We propose estimating conditional VaR and expected shortfall (ES) for a given firm's returns using quantile regression with cross-sectional (CSQR) data about other firms operating in the same market. An evaluation using US market data between 2000 and 2020 shows that our approach has certain advantages over a CAViaR model. Identification of low-risk firms and a reduction in computing times are additional advantages of the new method described.
Matèries (anglès)
Citació
Citació
VIDAL-LLANA, Xenxo, GUILLÉN, Montserrat. Cross-sectional quantile regression for estimating conditional VaR of returns during periods of high volatility. _North American Journal of Economics and Finance_. 2022. Vol. 63, núm. 101835. [consulta: 21 de gener de 2026]. ISSN: 1062-9408. [Disponible a: https://hdl.handle.net/2445/193707]