Statistics for tail processes of Markov chains
Statistics for tail processes of Markov chains
复制标题
马尔可夫链尾部过程统计
DOI：
10.1007/s10687-015-0217-1
复制
发表时间：
2015
期刊：
影响因子：
1.3
通讯作者：
Warchoł
中科院分区：
文献类型：
--
作者：
Segers;Warchoł
在高水平上，平稳的、规则变化的马尔可夫链的渐近分布可以方便地由它的尾过程给出。后者采取几何随机游走的形式，增量分布取决于当前状态下过程的符号和时间的流动，无论是向前还是向后。尾过程的估计提供了一种分析极值的非参数方法。前向和后向增量分布之间的对偶性提供了可以在构建更有效的估计量时利用的额外信息。这种估计量的大样本分布是通过经验过程理论得到的。他们的有限样本性能进行评估，通过蒙特卡洛模拟涉及基于Copula的马尔可夫模型和随机递归方程的解决方案。估计适用于股票价格数据研究的对称性的存在或不存在的连续大的收益和损失。
At high levels, the asymptotic distribution of a stationary, regularly varying Markov chain is conveniently given by its tail process. The latter takes the form of a geometric random walk, the increment distribution depending on the sign of the process at the current state and on the flow of time, either forward or backward. Estimation of the tail process provides a nonparametric approach to analyze extreme values. A duality between the distributions of the forward and backward increments provides additional information that can be exploited in the construction of more efficient estimators. The large-sample distribution of such estimators is derived via empirical process theory for cluster functionals. Their finite-sample performance is evaluated via Monte Carlo simulations involving copula-based Markov models and solutions to stochastic recurrence equations. The estimators are applied to stock price data to study the absence or presence of symmetries in the succession of large gains and losses.
登录
查看更多内容
影响因子：
1.4
作者：
R. Davis;T. Mikosch;Yuwei Zhao
通讯作者：
R. Davis;T. Mikosch;Yuwei Zhao
重尾马尔可夫链的多元正则变体
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
J. Segers
通讯作者：
J. Segers
DOI：
--
发表时间：
1998
期刊：
影响因子：
--
作者：
R. Bowman;D. Iverson
通讯作者：
D. Iverson
影响因子：
1.5
作者：
Janssen, Anja;Drees, Holger
通讯作者：
Drees, Holger
极值依赖性测量和极值图：规则变化的情况
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
Martin Larsson;S. Resnick
通讯作者：
S. Resnick