Copula structured M4 processes with application to high-frequency financial data
Copula 结构的 M4 过程及其在高频金融数据中的应用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：摘要明确使用高频金融序列的日内极大值，并研究极端值的渐近依赖结构，对应高频计量与尾部风险。
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
Copula 结构的 M4 过程及其在高频金融数据中的应用
- 研究问题
- 研究如何构造更灵活的多元极值过程，同时处理渐近独立与渐近依赖，并改善多参数估计和直接拟合实际数据的能力。
- 方法与思路
- 作者在渐近独立或依赖的 M4 过程中引入稀疏随机系数与结构化极值 Copula，构造 CSM4 模型，并研究概率性质与统计推断。
- 材料陈述的贡献
- 摘要称新模型克服了既有模型在估计效率、依赖结构灵活性和实际拟合方面的三项限制，并以模拟与日内极大值数据展示特点。
- 阅读关注点
- 应核对稀疏系数与 Copula 的具体构造、两类渐近依赖的判定条件，以及估计效率和实际拟合改善所使用的比较标准。
- 阅读边界
- 本导读限于所给出版社摘要；摘要未说明参数约束、推断条件及改进幅度，不能据此判断模型对其他金融数据的适用性。
原文摘要
Statistical applications of classical parametric max-stable processes are still sparse mostly due to lack of (1) efficiency of statistical estimation of many parameters in the processes, (2) flexibility of concurrently modeling asymptotic independence and asymptotic dependence among variables, and (3) capability of fitting real data directly. This paper studies a more flexible model, i.e. a class of copula structured M4 (multivariate maxima and moving maxima) processes, and hence CSM4 for short. CSM4 processes are constructed by incorporating sparse random coefficients and structured extreme value copulas in asymptotically (in)dependent M4 (AIM4) processes. It is shown that the new model overcomes all of the aforementioned three constraints. The paper illustrates new features and advantages of the CSM4 model using simulated examples and real data of intra-daily maxima of high-frequency financial time series. The paper also studies probabilistic properties of the proposed model, and its statistical inference.