Minimax Risk Bounds in Extreme Value Theory
极值理论中的极小极大风险界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：摘要属于通用极值估计理论，未出现金融尾部风险或系统性风险的直接研究证据。
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
极值理论中的极小极大风险界
- 研究问题
- 在独立同分布样本下，正极值指数估计的渐近极小极大风险能达到什么界限，这些界限如何约束固定长度置信区间？
- 方法与思路
- 作者研究零一损失下的局部实验，以帕累托分布为局部化中心，证明其弱收敛至白噪声模型，再推导局部及部分全局风险界。
- 材料陈述的贡献
- 摘要称，论文给出渐近风险上下界并构造长度近乎最小的渐近置信区间；相比之下，Hill估计量产生的区间稍长。
- 阅读关注点
- 应核对局部化方式、损失与风险定义、局部和全局模型范围，以及近最短区间的覆盖条件和与Hill区间比较的尺度。
- 阅读边界
- 所给OpenAlex索引摘要未注明稿件版本；结论限于所述独立同分布和正极值指数设定，具体界值及有限样本表现未说明。
原文摘要
Asymptotic minimax risk bounds for estimators of a positive extreme value index under zero-one loss are investigated in the classical i.i.d. setup. To this end, we prove the weak convergence of suitable local experiments with Pareto distributions as center of localization to a white noise model, which was previously studied in the context of nonparametric local density estimation and regression. From this result we derive upper and lower bounds on the asymptotic minimax risk in the local and in certain global models as well. Finally, the implications for fixed-length confidence intervals are discussed. In particular, asymptotic confidence intervals with almost minimal length are constructed, while the popular Hill estimator is shown to yield a little longer confidence intervals.