Towards estimating extremal serial dependence via the bootstrapped extremogram
利用自助法极值相关图估计极端序列依赖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：摘要明确研究平稳时间序列的极端依赖，并以金融序列展示应用，直接对应时间序列与尾部风险方向。
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…
利用自助法极值相关图估计极端序列依赖
- 研究问题
- 如何量化平稳时间序列中的极端事件依赖，并为样本极值相关图构造可信的置信带，以支持金融序列的统计解释？
- 方法与思路
- 作者采用平稳自助法为极值相关图构造置信带，并通过若干金融时间序列展示该方法的使用及其对极端依赖的解释。
- 材料陈述的贡献
- 摘要称，本文针对既有样本极值相关图难以构造可信置信带的问题提出自助法方案，并展示其金融时间序列应用。
- 阅读关注点
- 应核对平稳自助法有效性所需的依赖条件、极端阈值与区块长度选择，以及置信带针对单个滞后还是多个滞后。
- 阅读边界
- 仅据所给出版社摘要，无法判断置信带的具体覆盖性质及有限样本误差；摘要未说明参数选择细节，也不据此推断版本变化。
原文摘要
Davis and Mikosch (2009a) introduced the extremogram as a flexible quantitative tool for measuring various types of extremal dependence in a stationary time series. There we showed some standard statistical properties of the sample extremogram. A major difficulty was the construction of credible confidence bands for the extremogram. In this paper, we employ the stationary bootstrap to overcome this problem. The use of the stationary bootstrap for the extremogram and the resulting interpretations are illustrated with several financial time series.