Determining the dependence structure of multivariate extremes
确定多变量极值的依赖结构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：摘要研究一般多变量极值并应用于河流流量，未明确涉及金融尾部或系统性风险。
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
确定多变量极值的依赖结构
- 研究问题
- 在多变量极值分析中，如何判断哪些变量子集可能同时取极大值，而其余变量处于较小量级，以支持统计模型选择？
- 方法与思路
- 作者利用一组非标准锥上的隐藏正则变异性质构造新的极端依赖指标，并开发估计各锥所承载极端质量比例的推断方法。
- 材料陈述的贡献
- 摘要称新指标揭示既有依赖度量未涵盖的结构，推导理论性质，并用英国河流流量估计不同站点子集同时出现大值的概率。
- 阅读关注点
- 应核对非标准锥的定义、隐藏正则变异条件、指标识别的依赖特征，以及极端质量估计与阈值选择的具体方法。
- 阅读边界
- 仅据所给 Crossref 摘要，尾部假设、阈值规则和估计不确定性未说明；河流应用不能直接支持金融风险结论或版本推断。
原文摘要
Summary In multivariate extreme value analysis, the nature of the extremal dependence between variables should be considered when selecting appropriate statistical models. Interest often lies in determining which subsets of variables can take their largest values simultaneously while the others are of smaller order. Our approach to this problem exploits hidden regular variation properties on a collection of nonstandard cones, and provides a new set of indices that reveal aspects of the extremal dependence structure not available through existing measures of dependence. We derive theoretical properties of these indices, demonstrate their utility through a series of examples, and develop methods of inference that also estimate the proportion of extremal mass associated with each cone. We apply the methods to river flows in the U.K., estimating the probabilities of different subsets of sites being large simultaneously.