Estimation of extreme risk regions under multivariate regular variation
多元正则变动条件下的极端风险区域估计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：摘要直接研究极端风险区域，并明确将估计量应用于金融数据。
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…
多元正则变动条件下的极端风险区域估计
- 研究问题
- 对于可能相互依赖的多元随机变量，如何估计联合密度低于小阈值、概率极小且几乎没有样本落入的极端风险区域？
- 方法与思路
- 作者利用极值理论，在多元正则变动随机向量的随机样本基础上构造极端风险区域估计量，并研究其一致性。
- 材料陈述的贡献
- 摘要称证明了一种细化的一致性结果，模拟与比较研究展示了方法表现，并给出金融数据应用；具体改善幅度未报告。
- 阅读关注点
- 应核对多元正则变动与密度条件、极端概率及阈值的设定、区域一致性的定义，以及尾部估计和金融应用中的敏感性。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；一致性条件和模拟数值未提供，金融应用也不足以支持普遍的风险估计优势。
原文摘要
When considering d possibly dependent random variables, one is often interested in extreme risk regions, with very small probability p. We consider risk regions of the form {z ∈ ℝd : f(z) ≤ β}, where f is the joint density and β a small number. Estimation of such an extreme risk region is difficult since it contains hardly any or no data. Using extreme value theory, we construct a natural estimator of an extreme risk region and prove a refined form of consistency, given a random sample of multivariate regularly varying random vectors. In a detailed simulation and comparison study, the good performance of the procedure is demonstrated. We also apply our estimator to financial data.