On the occurrence times of componentwise maxima and bias in likelihood inference for multivariate max-stable distributions
分量最大值发生时点与多元最大稳定分布似然推断偏差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：摘要讨论一般多元极值分布，未提供金融尾部风险或系统性风险应用依据。
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
分量最大值发生时点与多元最大稳定分布似然推断偏差
- 研究问题
- 利用各分量最大值的发生时点开展高维极值似然推断时，为何弱依赖情形可能出现偏差，维度与样本规模如何相关？
- 方法与思路
- 作者分析最大值发生信息引入后的偏差机制，讨论维度相对取最大值所用向量数的规模要求，并提出偏差减小技术。
- 材料陈述的贡献
- 摘要称，中等维度下无偏推断要求维度处于低于原始向量数平方根的量级，并以极值 logistic 模型展示偏差减小方法。
- 阅读关注点
- 阅读全文时应核对发生时点信息如何进入似然、维度与样本量关系的准确含义，以及偏差减小方法的适用条件和代价。
- 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；量级陈述不能直接当作通用阈值，摘要未提供偏差数值。
原文摘要
Full likelihood-based inference for high-dimensional multivariate extreme value distributions, or max-stable processes, is feasible when incorporating occurrence times of the maxima; without this information, |$d$|-dimensional likelihood inference is usually precluded due to the large number of terms in the likelihood. However, some studies have noted bias when performing high-dimensional inference that incorporates such event information, particularly when dependence is weak. We elucidate this phenomenon, showing that for unbiased inference in moderate dimensions, dimension |$d$| should be of a magnitude smaller than the square root of the number of vectors over which one takes the componentwise maximum. A bias reduction technique is suggested and illustrated on the extreme-value logistic model.