On the relation between extremal dependence and concomitants
极端依赖与伴随次序统计量的关系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：摘要主要研究一般随机向量的极值与伴随统计量理论，虽提及多时间序列动机，但缺少明确宏观或金融对象的分类证据。
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
极端依赖与伴随次序统计量的关系
- 研究问题
- 随机向量两分量的极端依赖如何影响伴随次序统计量子集的最大值渐近行为，边际分布变换又如何影响极限退化？
- 方法与思路
- 作者从伴随次序统计量角度研究极端依赖，讨论不同条件下子集最大值的渐近结果，并考察边际分布变换对极限的影响。
- 材料陈述的贡献
- 摘要称，刻画向量极端依赖与伴随变量子集最大值渐近行为的联系，并讨论改变边际分布如何影响所得极限的退化性。
- 阅读关注点
- 核对子集的选择方式、极端依赖的定义、归一化与极限条件，以及哪些边际变换会改变退化结论和实际抽样解释。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审或接收未核实；摘要未提供具体定理及应用结果，不能直接推导金融尾部风险结论。
原文摘要
The study of concomitants has recently met a renewed interest due to its applications in selection procedures. For instance, concomitants are used in ranked-set sampling, to achieve efficiency and reduce cost when compared to the simple random sampling. In parallel, the search for new methods to provide a rich description of extremal dependence among multiple time series has rapidly grown, due also to its numerous practical implications and the lack of suitable models to assess it. Here, our aim is to investigate extremal dependence when choosing the concomitants approach. In this study, we show how the extremal dependence of a vector $(X, Y)$ impacts the asymptotic behavior of the maxima over subsets of concomitants. Furthermore, discussing the various conditions and results, we investigate how transformations of the marginal distributions of $X$ and $Y$ influence the degeneracy of the limit.