Adaptive Estimates of Parameters of Regular Variation
正则变动参数的自适应估计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：摘要研究一般重尾分布的参数估计，未涉及金融尾部风险或系统性风险，不据尾部术语归入金融领域。
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
正则变动参数的自适应估计
- 研究问题
- 对于尾部具有正则变动性质的分布，形状与尺度参数估计的最优构造依赖未知分布特征时，如何通过自适应方法处理？
- 方法与思路
- 作者先对一大类自适应估计量建立一般结果，再研究具体构造的理论与模拟表现，并考察 Hill 提出的相关估计技术。
- 材料陈述的贡献
- 摘要称自适应方法能够处理估计器构造依赖未知分布特征的问题，结果适用于较大估计量类别，并提供具体方法的理论与模拟分析。
- 阅读关注点
- 应核对正则变动及进一步尾部条件、自适应规则所选择的对象，以及形状与尺度参数的性能标准和 Hill 方法的比较范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体自适应规则、收敛率与模拟数值未说明，也没有提供金融风险应用。
原文摘要
The problem of estimating shape and scale parameters for a distribution with regularly varying tails is related to that of nonparametrically estimating a density at a fixed point, in that optimal construction of the estimators depends substantially upon unknown features of the distribution. We show how to overcome this problem by using adaptive methods. Our main results hold very generally, for a large class of adaptive estimators. Later we consider specific versions of adaptive estimators, and describe their performance both in theory and by means of simulation studies. We also examine a technique proposed by Hill (1975) for solving similar problems.