Choosing the threshold in extreme value analysis
极值分析中的阈值选择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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要讨论通用单变量极值阈值选择，应用为降雨数据；未提供金融尾部或系统性风险研究的直接依据，因此暂不分类。
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
极值分析中的阈值选择
- 研究问题
- 对超过高阈值的单变量极端观测进行建模时，如何选择阈值并理解选择不确定性，以避免阈值设定主导后续推断？
- 方法与思路
- 作者综述四十余种阈值选择程序，涵盖 Hill 估计、图形诊断、拟合优度检验和扩展广义帕累托模型，并进行模拟与降雨数据比较。
- 材料陈述的贡献
- 摘要称从统计性质出发评估各方法的优缺点及自动化可能性，通过广泛模拟筛选有前景的程序，并以长期日降雨序列展示比较。
- 阅读关注点
- 应核对各方法的尾部条件、偏差与方差权衡、阈值不确定性是否进入最终推断，以及模拟评价标准和自动化选择规则。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出具体优选程序、模拟结果或统一最佳规则，降雨比较也不能代表所有尾部分布。
原文摘要
One of the two dominant approaches for univariate extreme value analysis is to model exceedances above a large threshold, the choice of which has a large impact on inference and whose uncertainty is often subsequently ignored. In this article we review more than 40 threshold selection procedures, including semiparametric methods based on Hill's estimator, visual diagnostics, goodness-of-fit tests, and others based on extended generalized Pareto models. Starting with the statistical properties underlying the various proposals, we provide a critical assessment of their strengths and weaknesses, discuss how they might be automated and describe the results of an extensive simulation study used to identify the most promising procedures. The approaches are compared using a long time series of daily rainfall totals from Padova.