【报告摘要】We propose a Double Pooling Dynamic Tail Estimation (DPDTE) framework for jointly estimating time-varying tail risks in panel data. The method directly recovers multiple Value-at-Risk (VaR) levels and the associated extreme Expected Shortfall (ES) through a unified loss function that pools information across both cross-sectional units and quantile levels.  Tail dynamics are modeled using a score-driven specification in combination with extreme value theory.

【报告人简介】中国科学院数学与系统科学研究院预测科学研究中心，助理研究员。获首批国家自然科学基金青年学生基础研究项目（博士研究生）资助，主持博士后面上基金、特别资助、国资计划C档。长期从事高维复杂系统建模、宏观经济风险测度、大数据方法与应用等领域的研究工作。相关成果发表于《经济研究》《中国工业经济》《世界经济》、Journal of Economic Dynamics and Control, Energy Economics等国内外期刊。曾获得澳大利亚新西兰计量经济学研究组（ANZESG）青年计量经济学家奖（最佳论文报告奖）。