1、尾部事件驱动网络与dy溢出指数均可用于连通性与风险溢出分析，其侧重点有所不同，DY溢出指数以均值衡量风险，TENET衡量尾部风险，对于风险衡量来说TENET优势显著。
2、系统性风险测度CoVaR,传统的CoVaR采用分位数回归，然而变量过多会导致参数估计有偏。因此可以将分位数回归与lasso相结合，以该方法计算出的CoVaR相较于传统方法更有意义。
3、系统性风险测度CoVaR,传统的方法采用分位数回归来估计，这是一种线性关系，然而现实中多变量间大多情况下都是非线性关系，因此采用Single-Index Model与lasso相结合，以该方法计算出的CoVaR是非线性的，更符合现实情况。
数据处理、非线性CoVaR计算、TENET代码可交流。
扫码加好友，拉您进群
全部版块
我的主页
收藏
