Tail Index Regression
尾指数回归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：摘要直接将协变量与分布尾指数联系，属于条件分布尾部特征的回归研究。
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
尾指数回归
- 研究问题
- 在Pareto型分布下，如何把衡量分布重尾程度的尾指数与协变量联系起来，并估计这种尾部特征的回归关系？
- 方法与思路
- 作者用对数连接函数将尾指数对应于协变量的线性预测子，构造近似对数似然估计回归参数，并研究渐近分布。
- 材料陈述的贡献
- 摘要称提出尾指数回归模型及其近似似然估计方法，证明估计量的渐近正态性，并用数值研究展示理论结论。
- 阅读关注点
- 核对Pareto型尾部条件、尾部样本或阈值的选取、近似似然误差，以及渐近正态性对尾部逼近速度的要求。
- 阅读边界
- 所据为版本未注明的索引摘要；摘要未说明阈值规则、正则条件或具体数值表现，也未提供金融风险应用证据。
原文摘要
In extreme value statistics, the tail index is an important measure to gauge the heavy-tailed behavior of a distribution. Under Pareto-type distributions, we employ the logarithmic function to link the tail index to the linear predictor induced by covariates, which constitutes the tail index regression model. We then propose an approximate log-likelihood function to obtain regression parameter estimators, and subsequently show the asymptotic normality of those estimators. Numerical studies are presented to illustrate theoretical findings.