Testing the Multivariate Regular Variation Model
多元正则变差模型的检验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：摘要讨论通用多元尾部模型检验，未说明金融风险或微观分布效应对象，给定细分领域证据不足。
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
多元正则变差模型的检验
- 研究问题
- 如何检验多元数据是否满足正则变差模型，尤其如何结合不同方向的尾部行为与径向分量的性质判断该模型是否成立？
- 方法与思路
- 作者检验角度分量落入不同子集时，径向分量的极值指数是否相同，再结合径向分量的正则变差检验，构造整体检验。
- 材料陈述的贡献
- 摘要称，所提检验结合跨方向极值指数恒定性与径向正则变差；模拟展示良好表现，并用于检查两组既有研究数据的模型假定。
- 阅读关注点
- 核对径向与角度分量的定义、方向分组和尾部阈值的选择，以及两类检验怎样组合、整体显著性水平如何控制。
- 阅读边界
- 摘要未说明尾部阈值、角度分组规则、检验成立的正则条件及两组数据背景；模拟中的良好表现不能直接外推。
原文摘要
In this article, we propose a test for the multivariate regular variation (MRV) model. The test is based on testing whether the extreme value indices of the radial component conditional on the angular component falling in different subsets are the same. Combining the test on the constancy across extreme value indices in different directions with testing the regular variation of the radial component, we obtain the test for testing MRV. Simulation studies demonstrate the good performance of the proposed tests. We apply this test to examine two datasets used in previous studies that are assumed to follow the MRV model.