Inference for Clusters of Extreme Values
极端值簇的统计推断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：摘要明确研究时间序列超阈值事件的成簇依赖与推断，未提供归入金融风险的应用依据。
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
极端值簇的统计推断
- 研究问题
- 时间序列极端值常成簇出现，如何减少去簇方案选择对簇特征估计的影响，并在识别独立超阈值簇前估计极值指数？
- 方法与思路
- 作者以阈值超越间隔时间的渐近结果为依据，提出依赖极值指数的自动去簇方案，并利用该方案进行自助法不确定性评估。
- 材料陈述的贡献
- 摘要称极值指数可以在去簇前估计，自动方案具有渐近依据，并支持通过自助法评估相关估计量的变异程度。
- 阅读关注点
- 应核对序列依赖与阈值渐近条件、极值指数的估计方式、自动去簇规则，以及自助法如何保留或处理极端事件的成簇依赖。
- 阅读边界
- 仅据所给 Crossref 摘要；阈值选择、渐近条件及有限样本表现未说明，也没有明确的金融风险应用证据。
原文摘要
Summary Inference for clusters of extreme values of a time series typically requires the identification of independent clusters of exceedances over a high threshold. The choice of declustering scheme often has a significant effect on estimates of cluster characteristics. We propose an automatic declustering scheme that is justified by an asymptotic result for the times between threshold exceedances. The scheme relies on the extremal index, which we show may be estimated before declustering, and supports a bootstrap procedure for assessing the variability of estimates.