Statistics for Heteroscedastic Time Series Extremes
异方差时间序列极值的统计方法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：摘要明确处理序列依赖下的时间序列极值统计，未给出金融应用证据，因此选择时间序列方向。
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
异方差时间序列极值的统计方法
- 研究问题
- 当极端事件的发生强度随时间变化且观测存在序列依赖时，如何估计这种变化、检验同质性并描述极值聚集？
- 方法与思路
- 作者将极值异方差模型扩展到序列依赖情形，研究尾部强度函数及其积分的估计、自助检验和极值指数估计。
- 材料陈述的贡献
- 摘要称建立了核估计的局部极限定理、积分估计的函数极限定理，以及自助方案和极值指数估计的一致性。
- 阅读关注点
- 应核对序列依赖与尾部条件、阈值及带宽选择、自助重抽样机制，以及极值指数如何刻画极端事件的动态。
- 阅读边界
- 这是预印本，同行评审未核验；摘要未列明正则条件和模拟结果，也未说明对具体金融尾部风险的适用程度。
原文摘要
Einmahl, de Haan and Zhou (2016, Journal of the Royal Statistical Society: Series B, 78(1), 31-51) recently introduced a stochastic model that allows for heteroscedasticity of extremes. The model is extended to the situation where the observations are serially dependent, which is crucial for many practical applications. We prove a local limit theorem for a kernel estimator for the scedasis function, and a functional limit theorem for an estimator for the integrated scedasis function. We further prove consistency of a bootstrap scheme that allows to test for the null hypothesis that the extremes are homoscedastic. Finally, we propose an estimator for the extremal index governing the dynamics of the extremes and prove its consistency. All results are illustrated by Monte Carlo simulations. An important intermediate result concerns the sequential tail empirical process under serial dependence.