Tail-Index Estimates in Small Samples
小样本中的尾部指数估计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：摘要以金融收益的厚尾与尾部指数为研究对象，并应用于汇率收益数据，直接对应金融尾部风险刻画与相关估计方法。
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…
小样本中的尾部指数估计
- 研究问题
- 金融收益的小样本尾部厚度如何可靠估计，传统Hill估计在不同阈值下的偏误是否会使研究者夸大汇率收益分布的厚尾程度？
- 方法与思路
- 作者对不同阈值下的Hill估计作加权平均，以修正其小样本偏误；再估计汇率收益的尾部指数，并与超大数据集得到的估计比较。
- 材料陈述的贡献
- 摘要称该估计在小样本中较准确，汇率结果接近超大样本的近无偏估计；作者据此认为既有部分尾部结论可能夸大厚尾程度。
- 阅读关注点
- 核对阈值集合与权重如何选取、偏误修正依赖哪些尾部条件，以及超大样本基准和不同样本规模下的准确性评价是否可信。
- 阅读边界
- 摘要未说明权重公式、尾部正则条件、样本规模及收益依赖结构；不能据此确认偏误修正的适用范围或尾部风险估计的可靠性。
原文摘要
Financial returns are known to be nonnormal and tend to have fat-tailed distributions. This article presents a simple methodology that accurately estimates the degree of tail fatness, characterized by the tail index, in small samples. Our method is a weighted average of Hill estimators for different threshold values that corrects for the small-sample bias apparent in the latter. Using this estimator we produce tail-index estimates for returns on exchange rates that are close to nonbiased estimates obtained from extremely large datasets. The results indicate that many documented conclusions concerning the tail behavior of financial series are likely to have overestimated the tail fatness in small samples.