LINK OF MOMENTS BEFORE AND AFTER TRANSFORMATIONS, WITH AN APPLICATION TO RESAMPLING FROM FAT-TAILED DISTRIBUTIONS
变换前后矩的联系及其在厚尾分布重抽样中的应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般矩展开与厚尾分布重抽样，未明确涉及金融尾部风险或其他给定细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
变换前后矩的联系及其在厚尾分布重抽样中的应用
- 研究问题
- 当变量分布未知时，如何利用变换前后的低阶矩近似目标期望，并据此改善无限方差厚尾分布均值的 bootstrap 区间？
- 方法与思路
- 作者推导连接变换前后期望的展开式，推广特征函数展开项的界定方法，为有限项截断提供显式余项界，并展示重抽样应用。
- 材料陈述的贡献
- 摘要称，该方法给出显式且准确的截断余项界，并展示无限方差厚尾分布均值的准确朴素 bootstrap 置信区间。
- 阅读关注点
- 应核对变换的选择、所需矩的存在性、余项界的条件，以及无限方差下均值是否存在和 bootstrap 区间有效性的具体论证。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定变换条件、区间构造或准确性的标准；厚尾并不自动保证均值存在，适用边界需查全文。
原文摘要
Let x be a transformation of y , whose distribution is unknown. We derive an expansion formulating the expectations of x in terms of the expectations of y . Apart from the intrinsic interest in such a fundamental relation, our results can be applied to calculating E( x ) by the low-order moments of a transformation which can be chosen to give a good approximation for E( x ). To do so, we generalize the approach of bounding the terms in expansions of characteristic functions, and use our result to derive an explicit and accurate bound for the remainder when a finite number of terms is taken. We illustrate one of the implications of our method by providing accurate naive bootstrap confidence intervals for the mean of any fat-tailed distribution with an infinite variance, in which case currently available bootstrap methods are asymptotically invalid or unreliable in finite samples.