Estimation of the spectral measure from convex combinations of regularly varying random vectors
利用正则变差随机向量的凸组合估计谱测度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：摘要研究一般随机向量的极端依赖，未明确涉及金融尾部风险或系统性风险，故不据术语直接归入金融细分。
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
利用正则变差随机向量的凸组合估计谱测度
- 研究问题
- 如何利用正则变差随机向量各分量凸组合的极端行为，恢复描述极端依赖的谱测度特征，尤其是极值系数？
- 方法与思路
- 作者构造谱向量组合的矩估计量，利用函数型极限定理研究渐近正态性，并用子抽样自助法构造代入估计。
- 材料陈述的贡献
- 摘要称，新估计量具有渐近正态性，且极值系数的代入估计可达到最小渐近方差；模拟与真实数据用于展示方法。
- 阅读关注点
- 应核对正则变差与尾部抽样条件、凸组合权重的选择，以及最小渐近方差的比较范围和自助法实现条件。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；最优性范围、尾部阈值及真实数据背景未说明，不能推断金融风险应用表现。
原文摘要
The extremal dependence structure of a regularly varying random vector X is fully described by its limiting spectral measure. In this paper, we investigate how to recover characteristics of the measure, such as extremal coefficients, from the extremal behaviour of convex combinations of components of X. Our considerations result in a class of new estimators of moments of the corresponding combinations for the spectral vector. We show asymptotic normality by means of a functional limit theorem and, focusing on the estimation of extremal coefficients, we verify that the minimal asymptotic variance can be achieved by a plug-in estimator using subsampling bootstrap. We illustrate the benefits of our approach on simulated and real data.