Asymptotic expansions for blocks estimators: PoT framework
超阈值框架下分块估计量的渐近展开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：摘要明确分析正则变差时间序列及极端簇的分块估计，支持时间序列分类；没有金融对象，故不归入金融尾部风险。
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
超阈值框架下分块估计量的渐近展开
- 研究问题
- 对于多元正则变差时间序列的极端簇指标，滑动分块与不重叠分块估计量的差异及极限行为如何刻画？
- 方法与思路
- 作者对两类分块统计量之差进行精细展开，区分内部簇和边界簇贡献，并扩展簇测度的模糊收敛结果。
- 材料陈述的贡献
- 摘要称，该展开揭示收敛速率的簇来源，以及小块与大块情形的二分行为，用于描述估计量的极限性质。
- 阅读关注点
- 应核对阈值和块长的联合增长条件、簇指标定义、内部与边界项的阶数，以及两类分块情形的划分标准。
- 阅读边界
- 所给来源为 arXiv 预印本，同行评审未经核实；摘要未给出展开公式、具体速率和依赖条件，也未说明金融风险应用。
原文摘要
We consider disjoint and sliding blocks estimators of cluster indices for multivariate, regularly varying time series in the Peak-over-Threshold framework. We aim to provide a complete description of the limiting behaviour of these estimators. This is achieved by a precise expansion for the difference between the sliding and the disjoint blocks statistics. The rates in the expansion stem from internal clusters and boundary clusters. To obtain these rates we need to extend the existing results on vague convergence of cluster measures. We reveal dichotomous behaviour between small blocks and large blocks scenario.