Asymptotics of sample tail autocorrelations for tail-dependent time series: phase transition and visualization
尾部依赖时间序列的样本尾部自相关：相变与可视化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：摘要直接研究时间序列的滞后相关、尾部依赖与自相关图诊断，属于时间序列方法，未明确提供金融风险背景。
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
尾部依赖时间序列的样本尾部自相关：相变与可视化
- 研究问题
- 当时间序列在尾部和非尾部均可能相关时，样本尾部自相关的极限行为如何随滞后变化，并如何据此识别尾部依赖的最大滞后？
- 方法与思路
- 作者采用刻画尾部现象的双重渐近框架，建立允许非强混合过程的尾部自相关理论，并据此构造类似普通自相关图的显著性线。
- 材料陈述的贡献
- 摘要称，当滞后越过尾部序列依赖消失的位置时，渐近行为及收敛速率会发生相变，该发现可用于尾部依赖诊断与可视化。
- 阅读关注点
- 应核对双重渐近中阈值与样本量的关系、尾部依赖条件、相变两侧的极限分布，以及显著性线是否涉及多滞后联合控制。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定尾部正则条件、具体收敛速率或显著性线校准方式；允许非强混合不等于允许任意过程。
原文摘要
Summary In this article we develop an asymptotic theory for sample tail autocorrelations of time series data that can exhibit serial dependence in both tail and non-tail regions. Unlike with the traditional autocorrelation function, the study of tail autocorrelations requires a double asymptotic scheme to capture the tail phenomena, and our results do not impose any restrictions on the dependence structure in non-tail regions and allow processes that are not necessarily strongly mixing. The newly developed asymptotic theory reveals a previously undiscovered phase transition phenomenon, where the asymptotic behaviour of sample tail autocorrelations, including their convergence rate, can transition from one phase to another as the lag index moves past the point beyond which serial tail dependence vanishes. The phase transition discovery fills a gap in existing research on tail autocorrelations and can be used to construct the lines of significance, in analogy to the traditional autocorrelation plot, when visualizing sample tail autocorrelations to assess the existence of serial tail dependence or to identify the maximal lag of tail dependence.