A Test for Extreme Value Domain of Attraction
极值吸引域的检验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：摘要属于一般极值分布检验，未涉及金融尾部或系统性风险，不能仅凭极值主题归入金融风险。
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
极值吸引域的检验
- 研究问题
- 如何检验样本来源分布是否属于 Gumbel 极值分布的吸引域，并识别来自其他极值吸引域的分布？
- 方法与思路
- 作者以最大的若干次序统计量构造对 Shapiro–Wilk 拟合优度统计量的推广，并通过理论与模拟研究拒绝域和功效。
- 材料陈述的贡献
- 摘要提出一个简单的吸引域检验统计量，并称其对其他吸引域备择的功效优于此前提出的若干检验。
- 阅读关注点
- 应核对所用上尾次序统计量数量的选择、原假设下的校准条件，以及功效比较所覆盖的备择分布和样本规模。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化。功效优势的具体比较范围未说明，也未提供金融风险应用证据。
原文摘要
A simple statistic is proposed to test the hypothesis that a sample comes from a distribution in the domain of attraction of the Gumbel distribution. It is based on the top k order statistics and is a generalization of the Shapiro–Wilk goodness-of-fit statistic. The critical region of the test and its power against the alternative that the sample comes from a distribution in another domain of attraction are studied theoretically and by simulation. The power turns out to be superior to that of other tests previously proposed.