在R中使用希尔估计器的尾索引

Question

作为我的数据分析（重尾数据）的一部分，我希望计算大约 100 个公司回报时间序列的尾部（左右）指数。我的数据存储在一个大型动物园对象中，标题为公司名称。

这是我目前计算山峰估计量的方法：

returns <- read.zoo("returns.csv", header=TRUE, sep=",", format="%d-%m-%y")
returns_hplots <- lapply(returns, hillPlot)
returns_hill <- sapply(returns_hplots, function(x) x$y)
returns_hill <- sapply(returns_hill, '[', seq(max(sapply(returns_hill,length)))

因此，我为我的 105 家公司提供了一个数据框 [1:204, 1:105]，其中填充了所有山坡估算器和 NA（以便所有列具有相同数量的行）。

但是，我想计算左尾和右尾的山估计量，目前整个分布（每家公司）只有一个山估计量。

因此，我需要根据分布拆分我的数据。 我搜索了基于分布的数据拆分，但没有找到好的答案。 我的想法是计算 50% 的分位数，然后根据这个分位数分离我的数据。

returns_quantile <- sapply(returns, quantile, .5)

这会产生一个 1:105 的向量，其中包含所有 50% 的分位数值。现在我想根据这个分位数分离我的返回动物园对象，如下所示：

returns_left <- ...
returns_right <- ...

有人知道如何根据分位数分割动物园对象吗？ 或者有没有其他方法可以只为左/右尾巴直接计算山估计？

Answer 1

我终于从其他研究人员那里找到了一些示例代码，他们计算了上下尾的山估计量。

这是我计算两个尾部的山估计量的代码：

returns <- read.zoo("returns.csv", header=TRUE, sep=",", format="%d-%m-%y")
returns_upper <- lapply(returns, hillPlot, doplot=FALSE) #set doplot to false to speed up calculation
returns_upper <- sapply(returns_upper, function(x) x$y) #extract the hill estimators
returns_upper <- sapply(returns_upper, '[', seq(max(sapply(returns_upper,length))) #create a data frame where each column has equal length (easier analysis)

returns_lower <- lapply(-returns, hillPlot, doplot=FALSE)
returns_lower <- sapply(returns_lower, function(x) x$y)
returns_lower <- sapply(returns_lower, '[', seq(max(sapply(returns_lower,length)))

所以我之前的方法（在问题中）实际上只是计算上（右）尾的山估计值。