Self-normalized partial sums of heavy-tailed time series
重尾时间序列的自归一化部分和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：摘要直接研究重尾平稳时间序列及时间依赖对自归一化极限的影响。
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…
重尾时间序列的自归一化部分和
- 研究问题
- 对无限方差的多维正则变动平稳序列，部分和、最大值及范数型统计量如何联合收敛，极端聚集怎样改变极限？
- 方法与思路
- 作者研究和、最大值与 ℓᵖ 型模量的联合极限，并通过混合特征函数和拉普拉斯变换描述各种自归一化比值。
- 材料陈述的贡献
- 摘要称获得学生化和及其他比值的分布极限，并利用变换计算极限矩，以相关指标刻画独立与平稳依赖情形的差异。
- 阅读关注点
- 应核对正则变动指数、依赖和极端聚集条件，哪些归一化量具有良好极限，以及极限矩存在和计算的要求。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出具体条件、极限表达式或可实施的检验程序。
原文摘要
We study the joint limit behavior of sums, maxima and $\ell^p$-type moduli for samples taken from an $\mathbb{R}^d$-valued regularly varying stationary sequence with infinite variance. As a consequence, we can determine the distributional limits for ratios of sums and maxima, studentized sums, and other self-normalized quantities in terms of hybrid characteristic functions and Laplace transforms. These transforms enable one to calculate moments of the limits and to characterize the differences between the iid and stationary cases in terms of indices which describe effects of extremal clustering on functionals acting on the dependent sequence.