Quantile estimation with adaptive importance sampling
利用自适应重要性抽样估计分位数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：摘要明确研究分位数估计，并将算法用于信用组合风险分析。
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
利用自适应重要性抽样估计分位数
- 研究问题
- 当重要性抽样不断自适应调整、加权样本既不独立也不同分布时，如何估计一般分布中可能不唯一的分位数？
- 方法与思路
- 作者构造自适应重要性抽样分位数估计量，利用新的鞅重对数律证明收敛，并以信用组合风险分析展示算法。
- 材料陈述的贡献
- 摘要称，收敛分析覆盖分位数不唯一的一般分布，拓展已有工作；信用组合示例用于说明算法，未报告风险估计改善幅度。
- 阅读关注点
- 阅读全文时应核对抽样分布更新与权重条件、非唯一分位数下的收敛含义，以及信用组合示例的风险目标和计算成本。
- 阅读边界
- 仅据稿件版本未注明的索引摘要；更新规则、收敛条件及数值结果未说明，不能据此判断尾部分位数估计的效率优势。
原文摘要
We introduce new quantile estimators with adaptive importance sampling. The adaptive estimators are based on weighted samples that are neither independent nor identically distributed. Using a new law of iterated logarithm for martingales, we prove the convergence of the adaptive quantile estimators for general distributions with nonunique quantiles thereby extending the work of Feldman and Tucker [Ann. Math. Statist. 37 (1996) 451–457]. We illustrate the algorithm with an example from credit portfolio risk analysis.