On Tail Index Estimation Using Dependent Data
依赖数据下的尾指数估计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：摘要明确研究严格平稳、混合条件和移动平均序列下的尾指数估计，支持时间序列分类，但未提供金融风险应用。
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
依赖数据下的尾指数估计
- 研究问题
- 当重尾观测具有相同边际分布但可能相互依赖时，Hill 估计量的一致性和渐近正态性可延伸到哪些依赖设定？
- 方法与思路
- 作者在一般依赖条件下给出基本结果，详细分析满足某种混合条件的严格平稳观测，并以有限移动平均序列说明。
- 材料陈述的贡献
- 摘要称 Hill 估计量在独立样本下的若干大样本性质可显著扩展至依赖情形，并提供严格平稳和移动平均设定的分析。
- 阅读关注点
- 核对正则变化条件、尾部观测数的选择、具体混合条件，以及依赖如何影响渐近方差和移动平均例子的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未列出完整条件或方差表达，不能认为任意依赖均保留独立样本下的性质。
原文摘要
Let $X_1, X_2,\ldots$ be possibly dependent random variables having the same marginal distribution. Consider the situation where $\bar{F}(x) := P\lbrack X_1 > x\rbrack$ is regularly varying at $\infty$ with an unknown index $- \alpha < 0$ which is to be estimated. In the i.i.d. setting, it is well known that Hill's estimator is consistent for $\alpha^{-1}$, and is asymptotically normally distributed. It is the purpose of this paper to demonstrate that such properties of Hill's estimator extend considerably beyond the independent setting. In addition to some basic results derived under very general conditions, the case where the observations are strictly stationary and satisfy a certain mixing condition is considered in detail. Also a finite moving average sequence is studied to illustrate the results.