尾期望(Expectile)自Aigner, Amemiya和Poirier在1976年提出以后，得到了快速发展和广泛应用。例如在金融方面，2013年AlanT.K.Wan提出基于尾期望的在险价值(Value at Risk,VaR)的变系数模型。当市场中出现极端损失时，该模型中的尾期望可以很好的被用来度量极端损失的大小，从而达到预测和防范的目的。　　过去，人们对于尾期望估计的研究主要集中在估计单个尾期望的值，或是估计出尾期望函数的光滑曲线。主要研究方法有样条插值法，正态逼近法，非对称最小二乘法(Asymmetric Least Squares Method，ALSM)，bootstrap法等。用样条插值法构造的尾期望函数的点估计，具有精确度不高的缺点。利用正态逼近法求尾期望的区间估计，用于大样本依赖极限方差，用于小样本的效果不好。　　经验似然方法作为一种非参数统计方法，具有很多优良的统计性质。当样本容量趋近于无穷大时，对数经验似然比统计量收敛于自由度为1的卡方分布，利用极限分布构造参数的置信区域不依赖构造的统计量的极限方差，并且置信区域的形状只与相应的样本数据相关，构造的置信区间具有域保持性和变换不变性。经验似然的优良性质使得它能弥补样条插值法和正态逼近法的一些不足，且之前没有人用经验似然方法对尾期望做过估计，所以本文的主要工作就是用经验似然方法对尾期望进行统计推断。　　本文共有五章。第一章，绪论，介绍了尾期望的起源及尾期望与经验似然的研究过程，应用现状。第二章，预备知识，介绍了尾期望的概念，经验似然与估计方程之间的联系。第三章，用经验似然方法估计尾期望，构造了尾期望的经验似然比统计量，证明尾期望的对数经验似然比统计量渐近服从自由度为1的卡方分布，利用渐近卡方分布，构造尾期望的置信域。第四章，模拟研究，随机生成服从不同分布的样本，考虑这些样本在不同置信水平下不同权重值对应的尾期望的置信域的覆盖概率。模拟结果表明，用经验似然方法估计尾期望的覆盖概率接近于理想水平，且比用正态逼近得到的结果好。第五章，总结与展望。