Modelling Dependence within Joint Tail Regions
联合尾部区域内的依赖建模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：摘要研究一般联合尾部依赖并应用于环境数据，未明确涉及金融尾部或系统性风险。
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
联合尾部区域内的依赖建模
- 研究问题
- 如何突破最大稳定假设对联合尾部依赖的限制，在同一框架中连接最大稳定、较弱依赖、独立及负关联情形？
- 方法与思路
- 作者以更广泛的依赖结构构造联合尾部模型，并建立推广已有二元结果的泊松过程表示，用模拟和环境数据展示方法。
- 材料陈述的贡献
- 摘要称新框架克服标准方法的若干问题，并在所考察模拟与环境数据中为联合尾部外推提供明显优势。
- 阅读关注点
- 应核对依赖结构的参数化、泊松过程表示及外推条件，并查看环境数据和模拟中阈值选择、比较基准与不确定性评估。
- 阅读边界
- 仅据所给 Crossref 摘要；依赖模型细节和比较数值未说明，外推优势限于作者所述案例，不能直接延伸为金融风险结论。
原文摘要
Summary Standard approaches for modelling dependence within joint tail regions are based on extreme value methods which assume max-stability, a particular form of joint tail dependence. We develop joint tail models based on a broader class of dependence structure which provides a natural link between max-stable models and weaker forms of dependence including independence and negative association. This approach overcomes many of the problems that are encountered with standard methods and is the basis for a Poisson process representation that generalizes existing bivariate results. We apply the new techniques to simulated and environmental data, and demonstrate the marked advantage that the new approach offers for joint tail extrapolation.