Measuring Tail Dependence in Linear Processes: Theory and Empirics
线性过程尾部依赖的度量：理论与实证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：摘要明确研究金融联合极端与尾部依赖，并使用高频加密货币数据。
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
线性过程尾部依赖的度量：理论与实证
- 研究问题
- 面对金融序列的厚尾边际和极端共同变动，如何构造联合尾部依赖度量，并考察序列持续性对该度量及联合极端行为的影响？
- 方法与思路
- 作者以依赖度量研究联合极端事件，同时考虑同分布和非同分布的正则变动情形，并结合高频加密货币数据及模拟分析。
- 材料陈述的贡献
- 摘要提出不同于以 Copula 描述依赖的联合极端分析思路，并称持续性分析与模拟支持其判断，但未给出具体定理或效应方向。
- 阅读关注点
- 应核对依赖度量的定义、正则变动与线性过程条件、持续性的刻画方式，以及高频数据处理和模拟如何对应理论设定。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明度量公式、估计性质或数值结果，不能判断相对方法的优势。
原文摘要
The quantitative analysis of financial time series often reveals two distinct features that standard Gaussian frameworks fail to capture: heavy-tailed marginal distributions and the phenomenon of extreme co-movements.While extreme value theory characterizes marginal behavior, Copulas provide a functional bridge to describe the dependence structure independently of the marginals. We are proposing a different way of looking at the joint extremes on the basis of a dependence measure. The proposed idea incorporates both the non-identical and identical regularly varying distributions. Informed by the analysis of some high-frequency cryptocurrency datasets, the effect of persistence property have been thoroughly studied under these setups. A detailed simulation study confirms our intuition and findings.