Modeling multivariate extreme events using self-exciting point processes
利用自激点过程建模多变量极端事件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：摘要以股票市场中的多变量极端事件、超阈值极值建模和时变依赖为核心，直接对应金融尾部风险方向。
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…
利用自激点过程建模多变量极端事件
- 研究问题
- 如何同时刻画金融时间序列中多变量极端事件的到达时间聚集、幅度聚集以及随时间变化的变量间依赖关系？
- 方法与思路
- 作者在极值理论的超阈值框架内，使用具有自激强度的泊松过程建模，讨论模型性质、估计与拟合优度检验，并应用于两个股市。
- 材料陈述的贡献
- 摘要称模型能够捕捉多变量金融极端事件在幅度、到达时间和依赖结构上的典型特征，并提供估计和拟合检验的分析。
- 阅读关注点
- 应核对阈值设定、自激强度与事件幅度的联系、时变依赖的参数化方式，以及模型稳定性、估计方法和拟合检验的有效条件。
- 阅读边界
- 仅依据所给出版社摘要；未说明市场名称、样本期、模型公式及拟合结果，不能据此判断其相对其他极端事件模型的优势。
原文摘要
We propose a model that can capture the typical features of multivariate extreme events observed in financial time series, namely, clustering behaviors in magnitudes and arrival times of multivariate extreme events, and time-varying dependence. The model is developed within the framework of the peaks-over-threshold approach in extreme value theory and relies on a Poisson process with self-exciting intensity. We discuss the properties of the model, treat its estimation, and address testing its goodness-of-fit. The model is applied to the return data of two stock markets.