เปรียบเทียบวิธี

	มาตรวัดความเสี่ยงหาง (Expected Shortfall, Spectral, Expectile)	การถดถอยกำลังสองน้อยที่สุดสามัญ (OLS)
สาขาวิชา	การเงิน	เศรษฐมิติ
ตระกูล	Regression model	Regression model
ปีกำเนิด	1999	2019
ผู้ริเริ่ม	Artzner, Delbaen, Eber & Heath (coherent risk axioms); Acerbi & Tasche (Expected Shortfall)	Wooldridge (textbook treatment); classical least squares
ประเภท	Coherent tail risk measure	Linear regression
แหล่งต้นตำรับ	Artzner, P., Delbaen, F., Eber, J.-M. & Heath, D. (1999). Coherent Measures of Risk. Mathematical Finance, 9(3), 203–228.	Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860
ชื่อเรียกอื่น	expected shortfall, conditional value at risk, CVaR, spectral risk measure	ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu
ที่เกี่ยวข้อง	5	5
สรุป	Tail risk measures quantify the loss distribution beyond Value-at-Risk (VaR). Expected Shortfall — the expected loss given that VaR is exceeded — is the leading coherent risk measure, formalised by Artzner, Delbaen, Eber and Heath (1999) and shown to be coherent by Acerbi and Tasche (2002). Spectral and expectile-based measures generalise it.	Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE).