Time series conditional extremes
时间序列的条件极端值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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究平稳时间序列的极端依赖与模拟推断，未提供金融风险应用依据。
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
时间序列的条件极端值
- 研究问题
- 如何描述平稳时间序列经历极端事件后的衰减过程及联合极端依赖，并覆盖超出有限阶马尔可夫结构的依赖形式？
- 方法与思路
- 作者基于条件极值模型构建时间序列极端值方法，采用蒙特卡洛模拟进行推断，并推导一种常用重要性采样器的方差上界。
- 材料陈述的贡献
- 摘要称方法容纳多种极端依赖结构，提供模拟推断与方差分析，并用模拟数据及法国奥尔良日最高温序列估计簇泛函。
- 阅读关注点
- 应核对平稳性及条件极值近似要求、极端阈值选择、簇泛函定义，并查看重要性采样方差界的条件及有限样本表现。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出依赖结构的完整范围、阈值规则或数值误差，应用也未涉及金融。
原文摘要
Accurate modelling of the joint extremal dependence structure within a stationary time series is a challenging problem that is important in many applications.\ Several previous approaches to this problem are only applicable to certain types of extremal dependence in the time series such as asymptotic dependence, or Markov time series of finite order.\ In this paper, we develop statistical methodology for time series extremes based on recent probabilistic results that allow us to flexibly model the decay of a stationary time series after witnessing an extreme event.\ While Markov sequences of finite order are naturally accommodated by our approach, we consider a broader setup, based on the conditional extreme value model, which allows for a wide range of possible dependence structures in the time series.\ We consider inference based on Monte Carlo simulation and derive an upper bound for the variance of a commonly used importance sampler.\ Our methodology is illustrated via estimation of cluster functionals in simulated data and in a time series of daily maximum temperatures from Orleans, France.