Estimation of Extreme Depth-Based Quantile Regions
基于深度的极端分位数区域估计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：摘要直接研究多元极端分位数区域，并明确用于股票收益的尾部风险管理。
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
基于深度的极端分位数区域估计
- 研究问题
- 如何估计由半空间深度定义、概率质量极小的多元极端分位数区域，并处理超出观测数据云的外推问题？
- 方法与思路
- 作者利用极值理论构造极端分位数区域的半参数估计量，研究一致性，并通过模拟及股票收益风险管理应用展示方法。
- 材料陈述的贡献
- 摘要称，文章证明细化的一致性结果，模拟展示估计量表现，并将该程序应用于股票市场收益的风险管理。
- 阅读关注点
- 应核对尾部分布条件、极端区域与概率水平的定义、外推参数选择，以及一致性度量和股票收益应用的验证方式。
- 阅读边界
- 仅据所给Crossref摘要，尾部假设、概率水平随样本变化的要求及风险管理数值未说明，无法判断实际外推可靠性。
原文摘要
Summary Consider the extreme quantile region induced by the half-space depth function HD of the form Q={x∈Rd:HD(x,P)⩽β}, such that PQ=p for a given, very small p > 0. Since this involves extrapolation outside the data cloud, this region can hardly be estimated through a fully non-parametric procedure. Using extreme value theory we construct a natural semiparametric estimator of this quantile region and prove a refined consistency result. A simulation study clearly demonstrates the good performance of our estimator. We use the procedure for risk management by applying it to stock market returns.