Diagnostics for Dependence within Time Series Extremes
时间序列极端值相依性的诊断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：摘要研究平稳时间序列的极端相依结构，并明确将诊断用于汇率尾部事件。
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…
关注这篇论文的作者
时间序列极端值相依性的诊断
- 研究问题
- 平稳时间序列极值分析所需的长程与短程相依假设是否适当，如何识别极端事件的结构并理解更罕见事件的特征？
- 方法与思路
- 作者依据联合生存函数的尾部特征构造诊断工具，并利用现有独立同分布单变量极值估计方法实施诊断。
- 材料陈述的贡献
- 摘要称这些工具可检查相依假设并识别极端事件结构，通过理论示例、模拟以及降雨和汇率数据展示其用途。
- 阅读关注点
- 应核对各诊断对应的相依条件、尾部估计与阈值选择，以及从已观测极值推断更极端事件时所需的额外假设。
- 阅读边界
- 仅据所给Crossref摘要，无法判断诊断的误差控制、阈值敏感性和外推可靠性；汇率应用也不能直接支持系统性风险结论。
原文摘要
Summary The analysis of extreme values within a stationary time series entails various assumptions concerning its long- and short-range dependence. We present a range of new diagnostic tools for assessing whether these assumptions are appropriate and for identifying structure within extreme events. These tools are based on tail characteristics of joint survivor functions but can be implemented by using existing estimation methods for extremes of univariate independent and identically distributed variables. Our diagnostic aids are illustrated through theoretical examples, simulation studies and by application to rainfall and exchange rate data. On the basis of these diagnostics we can explain characteristics that are found in the observed extreme events of these series and also gain insight into the properties of events that are more extreme than those observed.