Tail Index Estimation, Pareto Quantile Plots Regression Diagnostics
尾指数估计、帕累托分位数图与回归诊断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。
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：尾指数属于通用极值统计方法，摘要没有金融尾部风险背景，不能据此归入金融风险方向。
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…
尾指数估计、帕累托分位数图与回归诊断
- 研究问题
- 帕累托尾指数估计高度依赖纳入多少个极端观测，能否通过分位数图的线性拟合诊断来选择尾部起点？
- 方法与思路
- 作者将尾指数估计解释为帕累托分位数图右上尾部的加权最小二乘斜率估计，再用回归诊断搜索适当次序统计量。
- 材料陈述的贡献
- 摘要称这一视角可导出尾部范围选择算法，寻找某个次序统计量，使其右侧分位数图获得最优线性拟合。
- 阅读关注点
- 应核对加权方案、最优线性拟合的判据、阈值搜索规则，以及阈值选择是否影响尾指数估计的不确定性评价。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出算法细节、适用尾部条件或性能结果，也未提供金融风险应用。
原文摘要
Successful application of extreme value statistics for estimating the Pareto tail index relies heavily on the choice of the number of extreme values taken into account. It is shown that these tail index estimators can be considered estimates of the slope at the right upper tail of a Pareto quantile plot, obtained using a weighted least squares algorithm. From this viewpoint, based on classical ideas on regression diagnostics, algorithms can be constructed searching for that order statistic to the right of which one obtains an optimal linear fit of the quantile plot.