...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Finance and stochastics >Adapting extreme value statistics to financial time series: dealing with bias and serial dependence
【24h】

Adapting extreme value statistics to financial time series: dealing with bias and serial dependence

机译：使极值统计信息适应金融时间序列：处理偏差和序列依赖性

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We handle two major issues in applying extreme value analysis to financial time series, bias and serial dependence, jointly. This is achieved by studying bias correction methods when observations exhibit weak serial dependence, in the sense that they come from -mixing series. For estimating the extreme value index, we propose an asymptotically unbiased estimator and prove its asymptotic normality under the -mixing condition. The bias correction procedure and the dependence structure have a joint impact on the asymptotic variance of the estimator. Then we construct an asymptotically unbiased estimator of high quantiles. We apply the new method to estimate the value-at-risk of the daily return on the Dow Jones Industrial Average index.
机译：在将极值分析应用于财务时间序列时，我们共同处理两个主要问题，即偏差和序列依赖性。当观测值表现出较弱的序列依赖性时，可以通过研究偏差校正方法来实现这一目标，从某种意义上说，它们来自-混合序列。为了估计极值指数，我们提出了一个渐近无偏估计量，并证明了其在-混合条件下的渐近正态性。偏差校正程序和相关性结构对估计量的渐近方差有共同的影响。然后，我们构造高分位数的渐近无偏估计量。我们应用新方法来估算道琼斯工业平均指数的日收益率的风险值。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号