Extremal correlation coefficient for functional data
函数型数据的极端相关系数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：摘要明确研究极端曲线之间的依赖并使用金融函数型数据，因此与金融尾部风险方向直接相关。
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
函数型数据的极端相关系数
- 研究问题
- 如何度量成对函数样本在极端曲线上的依赖，使指标既反映整条曲线之间的关系，又突出极端而非一般波动？
- 方法与思路
- 作者在Banach空间正则变动框架中定义极端相关系数，提出一致估计量，并通过渐近分析、模拟和应用考察它。
- 材料陈述的贡献
- 摘要称，新系数具有类似Pearson相关的性质，但面向函数与极端曲线；金融和气候数据用于说明其用途。
- 阅读关注点
- 应核对极端曲线与阈值的定义、系数性质、一致性条件，以及金融应用中曲线构造和极端样本数量的影响。
- 阅读边界
- 仅依据所给Crossref摘要；尾部条件、阈值选择和估计误差未说明，不能将该相关系数直接等同于系统性风险指标。
原文摘要
Abstract We propose a coefficient that measures extremal dependence in paired samples of functions. It has properties similar to the Pearson correlation, but differs in two significant ways: (i) it is designed to measure dependence between curves; and (ii) it focuses only on extreme curves. The new coefficient is derived within the framework of regular variation in Banach spaces. A consistent estimator is proposed and justified by an asymptotic analysis and a simulation study. The usefulness of the new coefficient is illustrated using financial and climate functional data.