Uniqueness and global optimality of the maximum likelihood estimator for the generalized extreme value distribution
广义极值分布最大似然估计的唯一性与全局最优性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：摘要关注广义极值分布的通用似然理论，未涉及金融资产、尾部损失或系统性风险，因此不足以归入金融风险。
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
广义极值分布最大似然估计的唯一性与全局最优性
- 研究问题
- 用于描述观测极端尾部的三参数广义极值分布，其最大似然估计是否具有全局最优性和唯一性，相关渐近性质如何建立？
- 方法与思路
- 作者围绕广义极值分布的似然估计开展理论分析，并研究真实形状参数附近一类极限关系的一致收敛性质作为辅助结果。
- 材料陈述的贡献
- 摘要称，论文证明最大似然估计的全局最优性与唯一性，并建立真实形状参数紧邻域内一类极限关系的一致性结果。
- 阅读关注点
- 应核对形状参数范围、样本与参数空间条件，以及唯一性和全局最优性结论的概率及渐近表述，避免误读为无条件有限样本保证。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定定理的参数范围、样本条件与成立方式；尾部建模动机本身不构成金融风险应用证据。
原文摘要
Summary The three-parameter generalized extreme value distribution arises from classical univariate extreme value theory, and is in common use for analysing the far tail of observed phenomena, yet important asymptotic properties of likelihood-based estimation under this standard model have not been established. In this paper we prove that the maximum likelihood estimator is global and unique. An interesting secondary result entails the uniform consistency of a class of limit relations in a tight neighbourhood of the true shape parameter.