Cluster based inference for extremes of time series
基于簇的时间序列极值推断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：摘要直接研究正则变动时间序列的极值依赖与推断，未指定金融风险应用。
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…
基于簇的时间序列极值推断
- 研究问题
- 对于具有正则变动性质的时间序列，如何利用极端事件的依赖结构估计谱尾过程，并提高极值推断的稳定性？
- 方法与思路
- 作者利用谱尾过程的刻画性不变性质，通过投影技术将该性质纳入新估计量，并分析尾指数已知和未知两种情况。
- 材料陈述的贡献
- 摘要称建立了新估计量的一致渐近正态性，覆盖正则变动指数已知与未知情形；模拟显示其表现比已有估计量更稳定。
- 阅读关注点
- 应核对不变性质与投影的具体形式、极值阈值及簇的处理方式，以及依赖条件和未知尾指数估计对极限分布的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明渐近条件、阈值选择或稳定性比较的具体数值。
原文摘要
We introduce a new type of estimator for the spectral tail process of a regularly varying time series. The approach is based on a characterizing invariance property of the spectral tail process, which is incorporated into the new estimator via a projection technique. We show uniform asymptotic normality of this estimator, both in the case of known and of unknown index of regular variation. In a simulation study the new procedure shows a more stable performance than previously proposed estimators.