Distributed inference for the extreme value index
极值指数的分布式推断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：摘要属于一般极值统计与分布式估计，未明确涉及金融尾部或系统性风险应用。
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
极值指数的分布式推断
- 研究问题
- 极端观测分散存储在多台机器时，如何分治估计极值指数，并使分布式估计具有与集中式基准相应的理论性质？
- 方法与思路
- 作者提出分布式 Hill 估计器，分别分析机器间观测数量同质或异质、固定或随总样本量变化的渐近情形。
- 材料陈述的贡献
- 摘要称，为各类情形建立渐近理论，并给出使 oracle 性质成立的充分条件，其中部分情形也获得必要条件。
- 阅读关注点
- 应核对各机器尾部观测的选取方式、局部估计的合并权重、oracle 基准的定义，以及不同样本配置下的成立条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断尾部分布条件与阈值选择；一般分布式理论不保证此处 oracle 性质，且未给出金融应用。
原文摘要
Summary In this paper we investigate a divide-and-conquer algorithm for estimating the extreme value index when data are stored in multiple machines. The oracle property of such an algorithm based on extreme value methods is not guaranteed by the general theory of distributed inference. We propose a distributed Hill estimator and establish its asymptotic theories. We consider various cases where the number of observations involved in each machine can be either homogeneous or heterogeneous, and either fixed or varying according to the total sample size. In each case we provide a sufficient, sometimes also necessary, condition under which the oracle property holds.