Statistics of Heteroscedastic Extremes
异方差极端值的统计分析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：摘要研究极端尾部、高分位数预测，并明确应用于股票市场收益。
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…
异方差极端值的统计分析
- 研究问题
- 当观测并非同分布，但分布尾部满足比例关系时，如何估计变化的尾部强度、共同极值指数并预测高分位数？
- 方法与思路
- 作者以加权序贯尾部经验过程的弱收敛为工具，非参数估计尾部比例函数及共同极值指数，并构造高分位数预测与模型检验。
- 材料陈述的贡献
- 摘要称，正极值指数下两类估计联合渐近正态且渐近独立，并建立预测高分位数的渐近正态性及比例函数和模型有效性检验。
- 阅读关注点
- 应核对尾部比例模型、观测依赖条件、阈值选择及正极值指数限制，并查看股票收益应用如何检验模型与评估尾部预测。
- 阅读边界
- 仅据所给 Crossref 摘要；尾部条件、阈值规则和模拟数值未说明，股票收益应用不能证明方法普遍适用，也不能推断其他版本变化。
原文摘要
Summary We extend classical extreme value theory to non-identically distributed observations. When the tails of the distribution are proportional much of extreme value statistics remains valid. The proportionality function for the tails can be estimated non-parametrically along with the (common) extreme value index. For a positive extreme value index, joint asymptotic normality of both estimators is shown; they are asymptotically independent. We also establish asymptotic normality of a forecasted high quantile and develop tests for the proportionality function and for the validity of the model. We show through simulations the good performance of the procedures and also present an application to stock market returns. A main tool is the weak convergence of a weighted sequential tail empirical process.