Conditional Extreme Value Estimation for Dependent Time Series
依赖时间序列的条件极值估计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。
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：摘要直接研究依赖时间序列的条件极值估计及弱收敛，因此归入时间序列；石油行业应用不足以支持金融风险分类。
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…
依赖时间序列的条件极值估计
- 研究问题
- 研究重尾响应序列与协变量序列存在依赖时，条件尾函数及条件 Hill 估计量能否保持一致性并具有可用于推断的极限分布。
- 方法与思路
- 作者以条件尾过程构建函数型分析框架，在 α 混合条件下研究一致性，在 β 混合及二阶条件下建立渐近正态性。
- 材料陈述的贡献
- 摘要称给出了依赖情形下两类条件极值估计量的理论结果，并通过模拟与石油行业应用展示不同条件取值下的尾部差异。
- 阅读关注点
- 应核对混合条件与二阶条件的具体形式、尾部阈值及条件化方法的选择，以及极限方差估计和模拟所覆盖的依赖情形。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未说明条件强度、阈值选择细节及应用数据，无法判断实际推断的可靠范围。
原文摘要
We study the consistency and weak convergence of the conditional tail function and conditional Hill estimators under broad dependence assumptions for a heavy-tailed response sequence and a covariate sequence. Consistency is established under $α$-mixing, while asymptotic normality follows from $β$-mixing and second-order conditions. A key aspect of our approach is its versatile functional formulation in terms of the conditional tail process. Simulations demonstrate its performance across dependence scenarios. We apply our method to extreme event modelling in the oil industry, revealing distinct tail behaviours under varying conditioning values.