Semiparametric Tail Index Regression
半参数尾指数回归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：摘要研究极端事件与尾指数，并包含净资产收益率数据应用，文本直接支持金融尾部风险方向。
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…
关注这篇论文的作者
半参数尾指数回归
- 研究问题
- 极端事件的尾部特征如何随解释变量变化，尤其当变量影响可能非线性时，能否建立兼具灵活性与渐近推断理论的回归模型？
- 方法与思路
- 作者提出半参数尾指数回归模型，构造参数与非参数部分的一致估计量并建立渐近正态性，通过蒙特卡洛模拟及两类数据应用说明用途。
- 材料陈述的贡献
- 摘要所述贡献是将解释变量的非线性影响纳入尾指数回归，并为模型两个组成部分提供一致性与渐近正态性结果，支持后续统计推断。
- 阅读关注点
- 阅读全文时应核对尾指数与协变量关系的设定、极端样本的选取、两个模型部分的识别与渐近条件，以及净资产收益率和气象应用的解释。
- 阅读边界
- 摘要未说明尾部假设、阈值选择或应用结果；尾指数描述尾部特征，不能仅凭该回归认定协变量对极端事件具有因果影响。
原文摘要
Abstract–Understanding why extreme events occur is often of major scientific interest in many fields. The occurrence of these events naturally depends on explanatory variables, but there is a severe lack of flexible models with asymptotic theory for understanding this dependence, especially when variables can affect the outcome nonlinearly. This article proposes a novel semiparametric tail index regression model to fill the gap for this purpose. We construct consistent estimators for both parametric and nonparametric components of the model, establish the corresponding asymptotic normality properties for these components that can be applied for further inference, and illustrate the usefulness of the model via extensive Monte Carlo simulation and the analysis of return on equity data and Alps meteorology data.