[論文レビュー] A Smoothed GMM for Dynamic Quantile Preferences Estimation

Xin Liu, Luciano I. de Castro+1 more|arXiv (Cornell University)|Jan 28, 2026

Financial Risk and Volatility Modeling被引用数 0

ひとこと要約

この論文は、内生リグレッサを伴う動的分位点モデルにおける構造的分位点パラメータtau（リスク態度）と他のパラメータを同時推定するための平滑化GMMフレームワークを提案し、複数資産の間接消費を経験的例として用いる。

ABSTRACT

This paper suggests methods for estimation of the $τ$-quantile, $τ\in(0,1)$, as a parameter along with the other finite-dimensional parameters identified by general conditional quantile restrictions. We employ a generalized method of moments framework allowing for non-linearities and dependent data, where moment functions are smoothed to aid both computation and tractability. Consistency and asymptotic normality of the estimators are established under weak assumptions. Simulations illustrate the finite-sample properties of the methods. An empirical application using a quantile intertemporal consumption model with multiple assets estimates the risk attitude, which is captured by $τ$, together with the elasticity of intertemporal substitution.

研究の動機と目的

• tauを構造的パラメータとして持つ動的分位点好みの推定を動機づける。
• 動的分位 Euler 方程式のフレームワーク内で内生リグレッサを許容するIVQR手法を拡張する。
• tauおよび関連パラメータに対するルート-n 一致性を達成する smoothing-based の二段階GMM推定量を開発する。
• 弱い依存性と非線形性の下での一貫性と漸近正規性の条件を提供する。
• シミュレーションと複数資産を用いた実証応用を通じて有限標本性能を示す。

提案手法

• tau-分位好みの下で標準のEuler方程式を一般化する動的分位Euler方程式を定式化する。
• 平衡条件を、楽器を用いて推定できる非線形条件付き分位関数として表す。
• 指示関数を滑らかな関数に置換して計算性を改善する平滑化GMM目的関数を導入する。
• 平滑化ベースの第一段と最適ウェイト行列による効率性を備えた二段階GMM推定量を実装する。
• 収束性のない可能性があるGMM目的関数を最小化するためのグローバル最適化（シミュレーテッドアニーリング）を採用する。
• 平滑化GMM推定量の一貫性と正規性を示す漸近的結果を提供する。

実験結果

リサーチクエスチョン

• RQ1 tau-quantileパラメータ（リスク態度）を他の好みパラメータと動的分位設定でどのように同時識別・推定できるか。
• RQ2 非線形分位モデルにおける平滑化GMMフレームワーク内で内生性をIVを用いて推定に組み込めるか。
• RQ3 データが弱い依存性および非線形である場合の平滑化GMM推定量の大規模サンプル特性（一貫性と漸近正規性）。
• RQ4 分位パラメータを推定する際にグリッド探索アプローチと比べて提案手法はどの程度性能があるか。
• RQ5 複数資産を用いた intertemporal consumption におけるリスク態度（tau）と intertemporal substitution elasticty（EIS）の相互作用について、実証応用は何を示すか。

主な発見

• 平滑化GMM推定量はtauと他のモデルパラメータを一貫して回収する。
• 本法はGMMフレームワーク内で内生的リグレッサと非線形分位制約を許容する。
• シミュレーションの証拠は、有限標本で推定量が概ね有偏ではなく、tauが適切に推定されることを示す。
• 実証応用では、わずかなリスク回避的tauと1未満だが近いEISを見出し、好みに関する関連文献と整合する。
• 二段階平滑化GMMは弱い仮定の下でルート-n一貫性と標準的漸近正規性を達成する。