Modeling Extreme Events: Time-Varying Extreme Tail Shape
极端事件建模：时变极端尾部形状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：摘要以金融收益的极端尾部为应用对象，并使用十五分钟国债收益率变化数据，支持尾部风险与高频计量分类。
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…
极端事件建模：时变极端尾部形状
- 研究问题
- 如何允许极端事件的尾部参数随时间变化，并确定这种动态模型何时平稳、遍历及具有矩，以及参数估计能否获得渐近保证？
- 方法与思路
- 作者基于超阈值广义帕累托分布构建动态半参数条件模型，研究尾部参数的时变机制，并分析确定性模型参数的最大似然估计。
- 材料陈述的贡献
- 摘要称，论文给出平稳性、遍历性和无条件矩存在的参数区域，并研究估计一致性与渐近正态性条件，展示股票及国债数据应用。
- 阅读关注点
- 应核对阈值选择、尾部参数动态及其约束、矩存在区域与估计条件，并比较日度股票收益和十五分钟国债收益率变化的应用设定。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；动态方程、参数区域及实证估计值未说明，不能据此判断极端风险预测精度或推断后续刊本变化。
原文摘要
We propose a dynamic semiparametric framework to study time variation in tail parameters.The framework builds on the Generalized Pareto Distribution (GPD) for modeling peaks over thresholds as in Extreme Value Theory, but casts the model in a conditional framework to allow for time-variation in the tail parameters.We establish parameter regions for stationarity and ergodicity and for the existence of (unconditional) moments and consider conditions for consistency and asymptotic normality of the maximum likelihood estimator for the deterministic parameters in the model.Two empirical datasets illustrate the usefulness of the approach: daily U.S. equity returns, and 15-min euro area sovereign bond yield changes.