Testing Tail-Index Homogeneity via Exceedance-Covariate Independence
基于超阈值-协变量独立性的尾指数同质性检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要讨论重尾结果的条件尾指数同质性检验与上条件分位数，属于分位数与分布效应；并以法国车险数据为例，涉及尾部风险刻画，故同时归入尾部与系统性风险。
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
基于超阈值-协变量独立性的尾指数同质性检验
- 研究问题
- 研究问题是：重尾结果的尾指数在观测到的协变量各取值间是否同质，即是否存在随协变量变化的尾指数异质性。摘要称检验目标为尾指数同质性，而非估计条件尾指数。
- 方法与思路
- 作者提出：在尾指数同质下，标准化对数超阈值渐近独立于协变量，即使尾部频率随协变量变化。据此构造基于距离协方差的置换检验，无需估计条件尾指数或设定异质性形式；并给出全局与局部平衡版本，后者在两个协变量组内选取极值。
- 材料陈述的贡献
- 摘要称提出了一种易于实施的置换检验，并针对全局与局部平衡版本，在次序统计量阈值下建立有效性，给出相合性与局部功效的条件；模拟显示局部平衡在尾部选择使协变量集中时可提升功效；法国车险数据中上条件分位数随风险特征变化，但尾指数检验未拒绝共同尾指数。
- 阅读关注点
- 阅读全文时应核对：距离协方差置换检验的具体统计量与置换方案；次序统计量阈值下有效性的正则条件；相合性与局部功效条件是否可验证；局部平衡的分组与阈值选择规则；模拟设计能否支持所声称的功效增益；车险数据中未拒绝的检验功效与样本量信息。
- 阅读边界
- 仅凭摘要无法判断检验在有限样本下的实际表现、阈值与分组选择的敏感性、模拟的可复现性，以及车险数据结论的稳健性；摘要未说明条件尾指数的具体估计方式与渐近分布细节。该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
We propose a test of whether the tail index of a heavy-tailed outcome is homogeneous across observed covariates. The key observation is that, under tail-index homogeneity, normalized log exceedances are asymptotically independent of the covariates even when tail frequencies vary with them. This leads to a simple-to-implement permutation test based on distance covariance, without estimating conditional tail indices or specifying the form of tail-index heterogeneity. For the global and locally balanced versions, we establish validity for order-statistic thresholds and give conditions for consistency and local power. Local balancing selects extremes within two covariate groups and can improve power when tail selection concentrates the covariates. Simulations illustrate these gains. In French motor insurance data, upper conditional quantiles vary with risk characteristics, but the tail-index tests do not reject a common tail index.