Tail Index Estimation for Heavy-Tailed Models: Accommodation of Bias in Weighted Log-Excesses
重尾模型的尾指数估计：加权对数超额中的偏差处理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：摘要研究重尾尾指数并明确应用于金融数据，直接关联金融尾部风险刻画。
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…
重尾模型的尾指数估计：加权对数超额中的偏差处理
- 研究问题
- 估计正尾指数时，如何削减主要渐近偏差，同时保留严格 Pareto 模型下的方差表现，并改善已有减偏估计器？
- 方法与思路
- 作者研究加权对数超额估计器的分布性质，并外部估计二阶形状与尺度参数，再通过蒙特卡洛和金融数据考察表现。
- 材料陈述的贡献
- 摘要称同时外部估计两个二阶参数可降低相对于已有二阶减偏估计器的渐近方差，并报告有限样本及金融应用研究。
- 阅读关注点
- 全文需核对二阶尾部条件、外部参数估计方式、尾部样本阈值选择，以及偏差削减与方差比较各自成立的范围。
- 阅读边界
- 仅据 Crossref 摘要；具体分布条件、阈值、比较数值和金融数据未说明，渐近方差改善不能直接等同于普遍有限样本优势。
原文摘要
Summary We are interested in the derivation of the distributional properties of a weighted log-excesses estimator of a positive tail index γ. One of the main objectives of such an estimator is the accommodation of the dominant component of asymptotic bias, together with the maintenance of the asymptotic variance of the maximum likelihood estimator of γ, under a strict Pareto model. We consider the external estimation not only of a second-order shape parameter ρ but also of a second-order scale parameter β. This will enable us to reduce the asymptotic variance of the final estimators under consideration, compared with second-order reduced bias estimators that are already available in the literature. The second-order reduced bias estimators that are considered are also studied for finite samples, through Monte Carlo techniques, as well as applied to real data in the field of finance.