Empirical likelihood based testing for multivariate regular variation
基于经验似然的多元正则变差检验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：多元正则变差与尾部建模相关，但摘要仅陈述通用检验，未明确金融风险对象，归入所列金融细分的证据不足。
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…
基于经验似然的多元正则变差检验
- 研究问题
- 在实际数据分析中，如何检验多元正则变差假设，并构造不依赖未知总体分布的极限参考分布与通用临界值？
- 方法与思路
- 作者采用局部化经验似然构造多元正则变差检验，研究统计量的弱收敛，并通过模拟和若干真实数据例子考察程序。
- 材料陈述的贡献
- 摘要称统计量收敛到非标准但分布无关的极限，从而可提供通用临界值；模拟显示良好有限样本表现，但未给出数值。
- 阅读关注点
- 应核对检验所针对的正则变差条件、局部化与尾部样本的选取、弱收敛的正则条件，以及模拟中的尺寸和功效。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明具体条件、模拟设置或真实数据类型，无法验证有限样本表现或金融适用性。
原文摘要
Multivariate regular variation is a common assumption in the statistics literature and needs to be verified in real-data applications. We develop a novel hypothesis test for multivariate regular variation, employing localized empirical likelihood. We establish the weak convergence of the test statistic to a nonstandard, distribution-free limit and hence can provide universal critical values for the test. We show the very good finite-sample behavior of the procedure through simulations and apply the test to several real-data examples.