估计极值依赖中的变点，应用于COVID-19大流行期间的航空股票价格
摘要：两个随机变量的联合分布尾部的依赖性使用卡方测度来衡量。这项工作受到了2019年印度两家最大航空公司IndiGo和SpiceJet每日收益率之间的卡方测量结构变化的启发，这种变化发生在COVID-19大流行期间。我们使用双变量Husler-Reiss（BHR）分布对每日最大回报率向量（可能经过转换）进行建模，它是一系列双变量高斯随机向量逐元归一化块最大值的唯一可能非退化极限分布。为了估计BHR分布的卡点卡方测量，我们探索基于似然比检验（LRT）和修正信息准则（MIC）的卡点检测程序。我们为不同取值的卡方测量提供了LRT和MIC测试统计量的临界值和功效曲线。我们还通过数值方法探索了基于LRT和MIC的卡点估计的一致性。在我们的数据应用中，LRT和MIC检测到的最显著卡点与印度政府宣布的第一阶段封锁措施的宣布时间相符，这是现实的；因此，我们的研究对于未来大流行情况下的投资组合优化将具有益处。
作者：Shiladitya Bose and Arnab Hazra
论文ID：2308.13895
分类：Applications
分类简称：stat.AP
提交时间：2023-08-29