Statistics for near independence in multivariate extreme values
多元极值中近独立性的统计分析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：摘要涉及一般多元极值与联合尾部，未说明金融风险对象，因此不足以直接归入金融尾部风险。
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
多元极值中近独立性的统计分析
- 研究问题
- 变量接近独立时，如何估计多元联合尾部并检验极端值独立性，以及判断二元极值尾部模型是否适用？
- 方法与思路
- 作者提出多元极值阈值模型，分别研究固定阈值与随样本增加的阈值，并用新的依赖参数构造模型诊断。
- 材料陈述的贡献
- 摘要称模型处理了现有方法在近独立情形的困难，给出包含已有模型的尾部依赖刻画，并以模拟和两个数据集展示。
- 阅读关注点
- 应核对新依赖参数的定义、两种阈值框架的条件、独立性检验与模型诊断的区别，以及模拟比较的范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法核验检验误差或数据集性质，也不能直接将一般尾部结果解释为金融风险结论。
原文摘要
We propose a multivariate extreme value threshold model for joint tail estimation which overcomes the problems encountered with existing techniques when the variables are near independence. We examine inference under the model and develop tests for independence of extremes of the marginal variables, both when the thresholds are fixed, and when they increase with the sample size. Motivated by results obtained from this model, we give a new and widely applicable characterisation of dependence in the joint tail which includes existing models as special cases. A new parameter which governs the form of dependence is of fundamental importance to this characterisation. By estimating this parameter, we develop a diagnostic test which assesses the applicability of bivariate extreme value joint tail models. The methods are demonstrated through simulation and by analysing two previously published data sets.