Extreme Value Analysis based on Blockwise Top-Two Order Statistics
基于分块前两大次序统计量的极值分析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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确以时间序列的分块极值及相关估计为研究对象；应用偏向环境领域，没有金融尾部风险研究的直接依据。
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
基于分块前两大次序统计量的极值分析
- 研究问题
- 时间序列极值分析能否利用每个区块的前两大观测提高估计效率，并避免忽略相关性造成的不一致？
- 方法与思路
- 作者分析直接最大化独立性对数似然的估计问题，提出一致的偏差校正估计量，并开展理论分析与有限样本模拟。
- 材料陈述的贡献
- 摘要称，朴素独立性似然估计一般不一致；所提校正估计具有一致性，并在高重现水平或重现期估计中更有效率。
- 阅读关注点
- 应核对区块内外依赖条件、区块长度与样本量的关系、偏差校正方式，以及效率比较对应的基准估计量。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未列出一致性条件、效率增幅及不同尾部模型下的表现。
原文摘要
Extreme value analysis for time series is often based on the block maxima method, in particular for environmental applications. In the classical univariate case, the latter is based on fitting an extreme-value distribution to the sample of (annual) block maxima. Mathematically, the target parameters of the extreme-value distribution also show up in limit results for other high order statistics, which suggests estimation based on blockwise large order statistics. It is shown that a naive approach based on maximizing an independence log-likelihood yields an estimator that is inconsistent in general. A consistent, bias-corrected estimator is proposed, and is analyzed theoretically and in finite-sample simulation studies. The new estimator is shown to be more efficient than traditional counterparts, for instance for estimating large return levels or return periods.