A Robust Similarity Estimator
一种稳健的相似性估计量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：摘要明确将方法用于多元 GARCH 的相关动态建模与日内金融收益，因此对应波动率和高频计量两个应用方向。
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…
关注这篇论文的作者
一种稳健的相似性估计量
- 研究问题
- 如何利用随机变量在符号与幅度上的相似性，构造对椭圆分布类别稳健的相关系数估计与小样本推断方法？
- 方法与思路
- 作者提出直接作用于 Fisher 尺度的样本均值与最大似然估计，并在尺度齐性下推导精确有限样本分布及多维扩展。
- 材料陈述的贡献
- 摘要称估计量的抽样分布在椭圆分布类内保持不变，并应用于日内收益相关区间及具有稳健相关动态的多元 GARCH 模型。
- 阅读关注点
- 应核对相似性指标的定义、椭圆分布与尺度齐性的具体限制，以及精确分布如何用于金融相关性区间和动态模型。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出精确分布公式，也不足以判断非椭圆分布下的稳健性。
原文摘要
We analyze a measure of statistical association based on the similarity of the outcomes of random variables, in both sign and magnitude. Motivated by its attractive properties, we propose a class of estimators for the linear correlation coefficient, a sample-average and a maximum-likelihood version, that operate directly on the Fisher scale and possess a robust sampling distribution that is invariant over the entire class of elliptical distributions. Under scale homogeneity, the finite-sample distribution of the estimator is available in exact form, facilitating robust inference for correlations even in small samples. The similarity measure extends naturally to higher dimensions, where it admits an interpretation as an indicator of joint similarity among multiple random variables. As empirical applications, we construct robust confidence intervals for financial correlations using intraday returns and develop a new specification of a multivariate GARCH model with robust correlation dynamics.