Characterizing extremal dependence on a hyperplane
在超平面上刻画极端依赖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：摘要研究通用多元极值与尾部依赖理论，未提供金融资产、尾部风险度量或系统性风险应用的依据。
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
在超平面上刻画极端依赖
- 研究问题
- 对于渐近依赖的多元变量，能否将极端依赖表示为线性超平面上的随机向量，以便使用线性统计方法进行分析和降维？
- 方法与思路
- 作者在垂直于全一向量的超平面上刻画极端依赖，并以主成分分析构造尾部依赖的低维近似，研究 Hüsler–Reiss 家族。
- 材料陈述的贡献
- 摘要称，该表征将多元极值分析转化为线性空间上的分析，并证明 Hüsler–Reiss 家族可由该超平面上的高斯家族刻画。
- 阅读关注点
- 应核对渐近依赖的定义、极值对象与超平面表示的对应关系，以及主成分近似保留哪些尾部特征、采用何种误差标准。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要限定于渐近依赖变量，未说明渐近独立情形、估计推断方法或低维近似的具体误差保证。
原文摘要
Summary In this paper, we characterize the extremal dependence of $ d $ asymptotically dependent variables using a class of random vectors on the $ (d-1) $-dimensional hyperplane perpendicular to the diagonal vector $ \mathbf{1}=(1,\ldots,1) $. This translates analyses of multivariate extremes to analyses on a linear vector space, opening up possibilities for applying existing statistical techniques based on linear operations. As an example, we demonstrate how to obtain lower-dimensional approximations of tail dependence through principal component analysis. Additionally, we show that the widely used Hüsler–Reiss family is characterized by a Gaussian family residing on the hyperplane.