Efficient importance sampling for events of moderate deviations with applications
中等偏差事件的高效重要性抽样及其应用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：摘要研究通用统计量的尾概率模拟，没有明确金融风险或其他所列应用领域的证据。
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
中等偏差事件的高效重要性抽样及其应用
- 研究问题
- 论文研究如何为渐近正态统计量的尾概率估计选择重要性抽样分布，使估计的渐近方差尽可能小并便于计算。
- 方法与思路
- 作者推导最优替代分布的均值表达式，提出递归近似算法和多维指数倾斜公式，并给出保守的方差估计量。
- 材料陈述的贡献
- 摘要称该方法可辅助比较分层抽样方案，数值例子中较基于大偏差理论的方法高效，且高维时增益更明显。
- 阅读关注点
- 应核对中等偏差的渐近设定、替代分布的优化范围、递归算法的收敛条件，以及效率比较使用的计算指标。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体正则条件、例子与效率数值未说明，尾概率计算不能直接等同金融尾部风险研究。
原文摘要
We propose a method for finding the alternative distribution in importance sampling. The alternative distribution is optimal in the sense that the asymptotic variance is minimised for estimating tail probabilities of asymptotically normal statistics. Our contribution to importance sampling is three‐fold. To begin with, we obtain an explicit expression for the mean of the optimal alternative distribution and the expression motivates a recursive approximation algorithm. Secondly, a new multi‐dimensional exponential tilting formula is presented. Lastly, a conservative estimator of the variance is given to facilitate a quick comparison among different stratified sampling schemes in conjunction with importance sampling. Several numerical examples illustrating the efficacy of the proposed method are also included. These results indicate that the proposed method is considerably more efficient than the method based on large deviations theory and the efficiency gain is more significant in higher dimensions.