×
马可·奥斯汀;亚历山大·施努尔

规则变化时间序列的后续极值簇中的顺序模式。 （英语） Zbl 1468.62343号

极端 23，第4期，521-545（2020年）.
设（{X_t}{t\in\mathbb{Z}}）是一个有规律变化的、严格平稳的、（alpha）混合时间序列，使得[sup_{a，B\in\mathcal{B}（\mathbb{R}^\mathbb2{N}）}\left|\mathbp{P}\left）-\mathbb{P}\左（a\右中的{X_t\}_{t\leqslide 0}\）\mathbb{P}\left（{X_t\}_{t\geqsliden}\在B\右）\右|\\=O\left（n^{-\delta}\right）\]表示某些\（\delta>1\）。
在适当的附加条件下，作者考虑了比率估计量的渐近性质{右}_{n，u_n}（A，A_0）=frac{widehat{P}（P）_{n，u_n}（A）}{\widehat{P}（P）_｛n，u_n｝（A_0）｝，\]其中\[A，A_0\subset[0，\infty）\times（1，\infty）\times[0，\infty）^｛t｝，\]\[\widehat{P}（P）_{n，u_n}（A）=\压裂{1}{n}\sum_{k=1}^{n-t}\mathbb{我}_在uA\}}、\]和\（u_n\）中的{\{\{X_i\}_{i=k-1}^{k+t}\是某种无限递增序列，例如\（n\mathbb{P}（X_0>u_n）\rightarrow\infty\）。
审核人：乔纳斯·萨尤利斯（维尔纽斯）

引用于1文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62G32型 极值统计；尾部推断
62H30型 分类和区分；聚类分析（统计方面）
62页第12页 统计在环境和相关主题中的应用

关键词：

集群;序数模式;峰值-阈值;规则变化的时间序列;尾部处理;经验估计量;渐近结果;比率估计器;字母混合
PDF格式BibTeX公司 XML格式引用
\textit{M.Oesting}和\textit{A.Schnurr}，极限23，第4号，521--545（2020；Zbl 1468.62343）
全文： 内政部 arXiv公司

参考文献：

[1] 阿萨迪，P。；AC戴维森；Engelke，S.，《河网极端》，Ann.Appl Stat.，9，42023-2050（2015）·Zbl 1397.62482号 ·doi:10.1214/15-AOAS863
[2] 班特，C。；Pompe，B.，《置换熵：时间序列的自然复杂性度量》，Phys。修订稿。，88, 17, 174102 (2002) ·doi:10.1103/PhysRevLett.88.174102
[3] 巴士拉克，B。；Segers，J.，正则变化多元时间序列，随机过程应用。，119, 4, 1055-1080 (2009) ·Zbl 1161.60319号 ·doi:10.1016/j.spa.2008.05.004
[4] 巴士拉克，B。；Davis，RA；Mikosch，T.，《多元规则变异的表征》，Ann.Appl Probab。，12, 3, 908-920 (2002) ·Zbl 1070.60011号 ·doi:10.1214/aoap/1031863174
[5] 巴斯拉克，B。；Planinić，H。；Soulier，P.，规则变化平稳序列的和和和记录时间的不变性原理，Probab。理论关系，172，3-4，869-914（2018）·Zbl 1404.60043号 ·doi:10.1007/s00440-017-0822-9
[6] 布尔，S。；Klüppelberg，C.，随机场经验极值图的极限理论，随机过程应用。，128, 6, 2060-2082 (2018) ·doi:10.1016/j.spa.2017.08.018
[7] 布尔，S。；Klüppelberg，C.，基于灵活观测方案的规则变化时空过程的广义最小二乘估计，极值，22223-269（2019）·Zbl 1422.60030号 ·doi:10.1007/s10687-018-0340-x
[8] 布尔，S。；Davis，RA；Klüppelberg，C。；斯坦科尔，C.，各向同性最大稳定时空过程的半参数估计，伯努利，25,42508-2537（2019）·Zbl 1434.62183号 ·doi:10.3150/18-BEJ1061
[9] Chavez-Demoulin，V。；Davison，A.，建模时间序列极值，REVSTAT-Stat.J.，10，109-133（2012）·Zbl 1297.62189号
[10] Cho，YB；Davis，RA；Ghosh，S.，经验空间极值图的渐近性质，Scand。《美国法律总汇》第43、3、757-773页（2016年）·Zbl 1468.62284号 ·doi:10.1111/sjos.12202
[11] Davis，RA；Xing，T.，无限方差弱相依随机变量的点过程和部分和收敛，Ann.Probab。，23, 2, 879-917 (1995) ·Zbl 0837.60017号 ·doi:10.1214/aop/1176988294
[12] Davis，RA；Mikosch，T.，《极值图：极端事件的关联图》，伯努利，15，4，977-1009（2009）·Zbl 1200.62104号 ·doi:10.3150/09-BEJ213
[13] Davis，RA；Resnick，SI，max-ARMA过程的基本特性和预测，高级应用。概率。，21, 4, 781-803 (1989) ·Zbl 0716.62098号 ·doi:10.2307/1427767
[14] 戴维斯，RA；Mikosch，T。；Cribben，I.，《通过自举极值图估计极值序列相关性》，J.Econ。，170, 1, 142-152 (2012) ·Zbl 1443.62251号 ·doi:10.1016/j.jeconom.2012.04.003
[15] 戴维斯，RA；Mikosch，T。；Zhao，Y.，系列极值依赖的度量及其估计，随机过程。申请。，123, 7, 2575-2602 (2013) ·Zbl 1294.60076号 ·doi:10.1016/j.spa.2013.03.014
[16] Davis，RA；Drees，H。；Segers，J。；Warchoł，M.，金融时间序列建模应用的尾部过程推断，经济杂志。，205, 2, 508-525 (2018) ·Zbl 1452.62759号 ·doi:10.1016/j.jeconom.2018.01.009
[17] de Haan，L.，最大稳定过程的谱表示，Ann.Probab。，12, 4, 1194-1204 (1984) ·Zbl 0597.60050号 ·doi:10.1214/aop/1176993148
[18] Deheuvels，P.，点过程和多元极值，J.Multivar。分析。，13, 2, 257-272 (1983) ·Zbl 0519.60045号 ·doi:10.1016/0047-259X（83）90025-8
[19] Dombry，C。；Eyi-Minko，F.，最大不可分随机场的强混合性质，随机过程应用。，122, 11, 3790-3811 (2012) ·Zbl 1260.60101号 ·doi:10.1016/j.spa.2012.06.013
[20] Dombry，C。；Ribatet，M.，《功能规则变化》。Pareto过程和峰值超过阈值，Stat.Interface，8，1，9-17（2015）·Zbl 1386.60185号 ·doi:10.4310/SII.2015.v8.n1.a2
[21] Dombry，C。；Engelke，S。；Oesting，M.，《最大稳定过程的精确模拟》，Biometrika，103，2，303-317（2016）·Zbl 1499.62343号 ·doi:10.1093/biomet/asw008
[22] Drees，H.：集群泛函的自举经验过程及其在极值图中的应用。arXiv:1511.00420（2015）
[23] Drees，H。；Rootzén，H.，簇泛函经验过程的极限定理，Ann Stat.，38，4，2145-2186（2010）·兹比尔1210.62051 ·doi:10.1214/09-AOS788
[24] Embrechts，P.，Klüppelberg，C.：T Mikosch《保险和金融极端事件建模》（1997）·Zbl 0873.62116号
[25] 加利福尼亚州费罗；Segers，J.，《极值簇的推断》，《皇家统计学会杂志》，65，2，545-556（2003）·Zbl 1065.62091号 ·doi:10.1111/1467-9868.00401
[26] Z.卡布卢奇科。；施拉特，M。；de Haan，L.，与负定函数相关的静态最大稳定场，Ann.Probab。，37, 5, 2042-2065 (2009) ·Zbl 1208.60051号 ·doi:10.1214/09-AOP455
[27] Kallache，M.，Rust，H.W.，Lange，H.，Kropp，J.P.，Schellnhuber，H.：考虑趋势的极值分析：应用于多瑙河流域的流量数据。摘自：Kropp，J.（编辑）《极端：气候和水文的破坏性事件和趋势》，第166-183页。施普林格（2011）
[28] Keller，K。；辛恩，M。；Emonds，J.，《序数视角下的时间序列》，《随机与动力学》，7，2，247-272（2007）·Zbl 1125.37059号 ·doi:10.1142/S0219493707002025
[29] 凯勒，K。；Maksymenko，S。；Stolz，I.，基于动力系统有序结构的熵确定，离散Contin。动态。系统B，20，3507-3524（2015）·Zbl 1366.37016号 ·doi:10.3934/dcdsb.2015.3507
[30] Leadbetter，M。；林格伦，G。；Rootzen，H.，《随机序列和级数的极值和相关性质》（1983），纽约：Springer，纽约·Zbl 0518.60021号
[31] Markovich，NM，《极值集群建模》，极值，17，1，97-125（2014）·Zbl 1302.62115号 ·doi:10.1007/s10687-013-0176-3
[32] Markovich，NM，勘误表：极值集群建模，极值，19，1，139-142（2016）·兹比尔1383.62153 ·数字对象标识码：10.1007/s10687-015-0237-x
[33] Markovich，NM，《极端集群：建模与示例》，《极端》，20，3，519-538（2017）·Zbl 1421.62128号 ·doi:10.1007/s10687-017-0285-5
[34] Perfekt，R.，平稳马尔可夫链的极值行为及其应用，Ann.Appl。概率。，4, 2, 529-548 (1994) ·Zbl 0806.60041号 ·doi:10.1214/aoap/1177005071
[35] Planinić，H。；Soulier，P.，《重新审视尾部过程》，《极端》，21，4，551-579（2018）·Zbl 1417.60043号 ·doi:10.1007/s10687-018-0312-1
[36] Resnick，SI，《重尾现象：概率和统计建模》（2007），纽约：Springer，纽约·Zbl 1152.62029号
[37] Resnick，SI，极值，正则变化和点过程（2008），纽约：Springer，纽约
[38] Rio，E.：弱相关随机过程的渐近理论。施普林格（2017）·Zbl 1378.60003号
[39] Robert，CY，极限值簇大小分布的推断，《Ann.Stat.》，37，1，271-310（2009）·Zbl 1158.62061号 ·doi:10.1214/07-AOS551
[40] Schnurr，A.，《金融时间序列间杠杆效应和依赖结构的序数模式检测和建模方法》，《统计论文》，55，4，919-931（2014）·Zbl 1298.62183号 ·doi:10.1007/s00362-013-0536-8
[41] Schnurr，A。；Dehling，H.，通过有序模式依赖性测试结构断裂，J.Americ。统计协会，112、518、706-720（2017）·doi:10.1080/01621459.2016.1164706
[42] 辛恩，M。；Keller，K.，平稳增量高斯过程中序数模式概率的估计，比较。统计数据分析。，55, 4, 1781-1790 (2011) ·Zbl 1328.62538号 ·doi:10.1016/j.csda.2010.11.009
[43] Sinn，M.，Ghodsi，A.，Keller，K.：通过有序模式分布的最大平均差异检测时间序列中的变化点。摘自：《第28届人工智能不确定性会议论文集》，第786-794页（2012年）
[44] 辛恩，M。；凯勒，K。；Chen，B.，《使用有序模式分布的时间序列分割和分类》，《欧洲物理学》。J.专题，222，2587-598（2013）·doi:10.1140/epjst/e2013-01861-8
[45] Unakafov，A。；Keller，K.，使用有序模式的条件熵进行变点检测，熵，20，9，709（2018）·doi:10.3390/e20090709
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。