Maximum likelihood estimation of the parameters of the generalized extreme-value distribution
广义极值分布参数的极大似然估计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：摘要只讨论通用广义极值分布的估计理论，未提供金融尾部风险应用依据，不能仅凭极值分布归入金融风险。
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
广义极值分布参数的极大似然估计
- 研究问题
- 三参数广义极值分布的极大似然估计需要怎样的信息矩阵，哪些条件能够保证该模型中的估计满足正则性要求？
- 方法与思路
- 作者针对三参数广义极值分布给出信息矩阵的显式表达，并建立正则估计的一项条件；摘要未展开具体计算步骤。
- 材料陈述的贡献
- 摘要明确陈述的贡献是信息矩阵的显式表达和正则估计条件，可为理解该极值模型的参数估计与推断提供理论依据。
- 阅读关注点
- 应核对信息矩阵的参数化形式、正则条件的精确范围与含义，以及条件不满足时估计和推断可能出现的变化。
- 阅读边界
- 仅据版本未注明的索引摘要，正则条件、信息矩阵公式及渐近结论均未提供，不能补写参数阈值或声称其金融风险应用效果。
原文摘要
Explicit expressions are provided for the information matrix of the three-parameter generalized extreme-value distribution. A condition for regular estimation is established.