一类新的位置不变极值指数估计
A new kind of location invariant extreme value index estimator作者机构:山西大学管理与决策研究中心山西太原030006 山西财经大学财政金融学院山西太原030006 山西大学数学科学学院山西太原030006
出 版 物:《高校应用数学学报(A辑)》 (Applied Mathematics A Journal of Chinese Universities(Ser.A))
年 卷 期:2018年第33卷第2期
页 面:179-190页
核心收录:
学科分类:02[经济学] 0202[经济学-应用经济学] 020208[经济学-统计学]
基 金:国家社会科学基金(15BJY164) 教育部人文社会科学基金(14YJA790034)
摘 要:重尾分布可以很好地解释资产价格,收入分配,水文地质,社交媒体等经济,自然与社会现象,准确估计极值指数成为重尾分布应用的关键技术,1975年Hill估计的提出开辟了极值指数估计的先河,直到今天极值指数的估计仍是重尾建模的重点.为克服已有估计中存在的位置变化和渐近性的不足,借用统计量M_n^((α))(k_0,k)的渐近展式提出了一类新的位置不变极值指数估计(NLIE),在二阶正则变化条件下研究了其渐近展式以及阈值的最优选取,通过Monte-Carlo对NLIE与Fraga Alves所提的经典位置不变估计量γ_n^H(k_0,k)进行了模拟比较.结果表明,NLIE的效果更好.