Long Memory of Max-Stable Time Series as Phase Transition: Asymptotic Behaviour of Tail Dependence Estimators
最大稳定时间序列长记忆的相变与尾部依赖估计量渐近行为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：摘要明确研究时间序列依赖结构与估计量渐近行为，适合时间序列方向；没有金融应用依据，不能仅凭尾部术语归为金融风险。
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
最大稳定时间序列长记忆的相变与尾部依赖估计量渐近行为
- 研究问题
- 最大稳定时间序列的长程与短程依赖如何决定尾部依赖系数估计量的渐近正态性，能否避开常见的混合条件？
- 方法与思路
- 作者研究一种简单尾部依赖估计量，并利用超越集合指示变量定义的长程依赖概念，将渐近性质与长短程依赖转换联系起来。
- 材料陈述的贡献
- 摘要称无需混合性质的条件即可建立渐近正态性，并给出标准收敛速度及特定渐近方差成立与短程依赖等价的结果。
- 阅读关注点
- 应核对最大稳定序列的设定、长短程依赖定义、充要条件的精确范围，以及尾部系数之和进入渐近方差的方式。
- 阅读边界
- 这是 arXiv 预印本，未核实同行评审或期刊接收。摘要未列明所谓温和条件及方差公式，结论不能直接推广至一般时间序列。
原文摘要
In this paper, we consider a simple estimator for tail dependence coefficients of a max-stable time series and show its asymptotic normality under a mild condition. The novelty of our result is that this condition does not involve mixing properties that are common in the literature. More importantly, our condition is linked to the transition between long and short range dependence (LRD/SRD) for max-stable time series. This is based on a recently proposed notion of LRD in the sense of indicators of excursion sets which is meaningfully defined for infinite-variance time series. In particular, we show that asymptotic normality with standard rate of convergence and a function of the sum of tail coefficients as asymptotic variance holds if and only if the max-stable time series is SRD.