基于滑动区组的重尾平稳时间序列推断
统计理论
2018-02-28 v2 统计理论
摘要
极值理论中的区组最大值方法包括将极值分布拟合到从时间序列中提取的区组最大值样本。传统上，最大值取自不相交的观测区组。另一种方法是让区组在观测期间滑动，从而产生更多数量的重叠区组。基于滑动区组的推断被发现比基于不相交区组的推断更有效。Fréchet 形状参数的极大似然估计量的渐近方差减少了超过 18%。有趣的是，无论基础时间序列的序列依赖性如何，效率增益的量都是相同的：与不相交区组一样，渐近分布仅通过缩放常数序列依赖于序列依赖性。这些发现通过模拟实验加以说明，并应用于标准普尔 500 股票市场指数日对数收益率的高重现期水平的估计。
引用
@article{arxiv.1706.01968,
title = {Inference for heavy tailed stationary time series based on sliding blocks},
author = {Axel Bücher and Johan Segers},
journal= {arXiv preprint arXiv:1706.01968},
year = {2018}
}
备注
25 pages, 4 figures