POT-flavored estimator of Pickands dependence function
融合超阈值思路的 Pickands 依赖函数估计量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：摘要明确将估计对象设为双变量时间序列的依赖函数，但未提供金融风险应用依据。
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
融合超阈值思路的 Pickands 依赖函数估计量
- 研究问题
- 针对双变量时间序列的极值依赖结构，如何融合超阈值与分块最大值思路估计 Pickands 依赖函数，并降低估计误差？
- 方法与思路
- 作者提出兼具 Peak-Over-Threshold 与 Block-Maxima 特征的估计量，用于双变量时间序列的 Pickands 依赖函数估计。
- 材料陈述的贡献
- 摘要称该估计量能够降低渐近偏差与总体均方误差，但没有交代比较基准、改善幅度以及结论适用的具体情形。
- 阅读关注点
- 应核对估计量的构造、阈值及分块长度的选择、时间依赖条件，以及偏差和均方误差改善的理论或模拟依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要极简，未说明极值模型假设、调参方法及数值结果，无法判断普遍适用性。
原文摘要
This work proposes an estimator with both Peak-Over-Threshold and Block-Maxima flavors, uses it to estimate the Pickands dependence function of bivariate time series, and illustrates how it brings down the asymptotic bias and the overall mean squared error.