Extreme value inference for heterogeneous power law data
异质幂律数据的极值推断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：摘要明确以股票市场横截面损失的尾部厚度为应用，直接涉及金融尾部风险。
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
异质幂律数据的极值推断
- 研究问题
- 对于相互独立但分布可能差异很大的幂律数据，如何估计平均分布的极值指数与极端分位数，并刻画异质性对方差的影响？
- 方法与思路
- 作者借助加权尾部经验过程的函数型中心极限定理，研究 Hill 与极端分位数估计量，并分析异质尺度模型。
- 材料陈述的贡献
- 摘要称，得到新的渐近正态性结果，异质性下方差可明显小于独立同分布情形，并以模拟及股票损失等应用展示方法。
- 阅读关注点
- 应核对平均分布的定义、尾部条件与阈值设置、异质性如何进入渐近方差，以及股票横截面应用如何处理独立性前提。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；独立性已明确，但其他条件和数值结果未提供，方差较小的结论不能泛化为全面优越性。
原文摘要
We extend extreme value statistics to independent data with possibly very different distributions. In particular, we present novel asymptotic normality results for the Hill estimator, which now estimates the extreme value index of the average distribution. Due to the heterogeneity, the asymptotic variance can be substantially smaller than that in the i.i.d. case. As a special case, we consider a heterogeneous scales model where the asymptotic variance can be calculated explicitly. The primary tool for the proofs is the functional central limit theorem for a weighted tail empirical process. We also present asymptotic normality results for the extreme quantile estimator. A simulation study shows the good finite-sample behavior of our limit theorems. We also present applications to assess the tail heaviness of earthquake energies and of cross-sectional stock market losses.