A Bayesian Skew-heavy-tailed modelling for loss reserving
针对未决赔款金额不确定且数据常呈偏态重尾的问题，提出贝叶斯偏态重尾损失准备金模型，并用自适应 Metropolis 步骤的 MCMC 推断，案例表明其优于传统模型。
2023-12-05 stat.AP stat.ME stat.OT
Objective Bayesian modelling of insurance risks with the skewed Student-t distribution
保险风险数据通常表现出扭曲的行为。在本文中，我们提出了一种贝叶斯方法来捕捉这些数据集的主要特征。这项工作扩展了Villa和Walker（2014 a）中介绍的方法，考虑了一个额外的参数，该参数捕获了数据的偏斜度。特别是，一个偏态的学生- t分布被认为是。分析了两个数据集：丹麦火灾损失和美国赔偿损失。进行了分析与客观贝叶斯方法。对于表示自由度数量的离散参数，我们采用了最近在Villa和Walker（2014 b）中引入的新先验。
2016-07-16 stat.ME
Modelling Skewed and Heavy-Tailed Errors in Bayesian Mediation Analysis
针对传统中介模型误差正态假设违背的问题，提出中心化两段式学生t分布建模偏态厚尾误差，结合贝叶斯框架提升检验功效与稳健性，还开发了对应R包。
2025-09-03 stat.ME
Modelling financial returns with mixtures of generalized normal distributions
本论文提出广义正态分布混合（MGND）及其扩展模型，通过ECM和GEM算法解决参数估计中的退化问题，并引入约束混合与隐马尔可夫模型，有效捕捉金融收益的复杂模式与动态特性，提升金融分析与风险管理的决策能力。
2024-10-21 q-fin.ST stat.ME
A Bayesian Non-Parametric Approach to Asymmetric Dynamic Conditional Correlation Model With Application to Portfolio Selection
我们提出了一个贝叶斯非参数方法来模拟多重收益率的分布。特别地，我们使用非对称动态条件相关（ADCC）模型来估计金融收益的时变相关性，其中个体波动率由GJR- GARCH模型驱动。ADCC-GJR- GARCH模型考虑了单个资产波动率的不对称性以及相关性。误差建模使用Dirichlet位置-尺度混合的多元高斯分布允许一个很大的灵活性，在偏度和峰度方面的回报分布。模型估计和预测开发使用MCMC方法基于切片采样技术。我们进行了模拟研究，以说明所提出的方法的灵活性。我们发现，所提出的模型是能够适应几个常用的分布模型，也准确地估计后验分布的波动率的回报，而无需假设任何潜在的分布。最后，我们提出了一个金融应用程序，使用苹果和纳斯达克工业指数数据来解决投资组合分配问题。我们发现，施加一个限制性的参数分布可能会导致低估的投资组合方差，而ESTA模型是能够克服这个问题。
2014-01-31 q-fin.PM stat.AP
On the Surprising Explanatory Power of Higher Realized Moments in Practice
由日内收益率计算的高阶已实现矩是近年来提出的。文献表明，已实现偏度是解释未来资产收益的一个重要因素。然而，文献主要集中在整个市场和每月或每周的规模。本文通过实证分析，考察了日尺度下已实现偏度和已实现峰度对个股未来收益率和方差的预测能力。研究发现，已实现峰度对股票未来方差具有显著的预测能力。同时，与现有文献相比，已实现偏度对短期个股未来日收益率缺乏解释力。
2016-04-27 q-fin.ST stat.AP
Uncertainties in estimating the effect of climate change on 100-year return value for significant wave height
估计气候对未来海洋风暴严重程度的影响受到很大不确定性的困扰，但为了海洋结构物的安全设计和操作，需要根据现有数据对气候影响进行最佳估计。我们针对7个代表性CMIP 5 GCM和FIO-ESM v2.0 CMIP 6 GCM的WAVEWATCHIII模型输出，探索了马达加斯加东部和澳大利亚南部地区的显着波高（Hs）100年回归值估计值随时间的变化性。使用贝叶斯推断对超过阈值的峰值和块最大值进行非平稳极值分析，提供作为时间函数的返回值的后验估计;提供MATLAB软件。不同大气环流模式的返回值估计值之间存在很大差异，每个邻域内的经度和纬度也存在很大差异。这些不确定性的来源往往大于由于典型的建模选择（如选择阈值为POT，或块长度为BM）。然而，由于马达加斯加东部存在混合风暴群，因此谨慎的阈值和块长度至关重要。CMIP 6 GCM长达700年的工业化前控制（piControl）输出允许量化作为时间函数的返回值的明显固有变化。
2022-12-21 physics.ao-ph stat.AP
Mixture Gaussian Process Conditional Heteroscedasticity
Imperial College London（帝国理工学院）；Cyprus University of Technology（塞浦路斯理工大学）
广义自回归条件异方差（GARCH）模型一直被认为是最成功的金融收益率波动建模方法之一。在本文中，我们提出了一种替代方法的基础上广泛使用的统计机器学习领域的方法。具体来说，我们提出了一种新的非参数贝叶斯混合高斯过程回归模型，其中每个组件模型的噪声方差过程，污染的观测数据作为一个单独的潜在的高斯过程驱动的观测数据。这样，我们基本上得到了一个混合高斯过程条件异方差（MGPCH）模型的金融收益率波动建模。我们施加一个非参数先验与幂律性质的模型混合物成分的分布，即Pitman-Yor过程之前，允许更好地捕捉建模的数据分布与重尾和偏度。最后，我们提供了一种基于copula的方法，用于获得通过假设MGPCH模型建模的资产收益协方差的预测后验。我们评估了我们的方法在一些基准场景中的有效性，并将其性能与最先进的方法进行比较。
2013-01-25 cs.LG stat.ML
Traffic Count Data Analysis Using Mixtures of Kato--Jones Distributions
针对日内交通计数数据建模问题，提出采用单峰、偏度峰度范围广的Kato-Jones分布混合模型，结合修正矩法和极大似然法估计参数，成功将交通流分为形态不同的早晚高峰两类。
2024-07-09 stat.AP
A Bayesian GED-Gamma stochastic volatility model for return data: a marginal likelihood approach
几项研究探讨了基于随机波动率（SV）模型的推断，同时考虑到回报数据的程式化事实。常见的问题是，许多波动率模型的潜在参数是高维的，并且在分析上难以处理，这意味着推断需要使用例如马尔可夫链蒙特卡罗或拉普拉斯方法进行近似。一些SV模型被表示为线性高斯状态空间模型，其导致边际似然，从而降低问题的维度。其他的不线性化，并且潜在参数被整合出来。然而，这些提出了一个相当严格的演化方程。因此，我们提出了一个贝叶斯GED-Gamma SV模型，其直接边际似然是广义学生t分布的产物，其中潜在状态通过平稳高斯演化方程随时间变化。然后，对对数精度/波动率的先验分布进行近似，而不需要模型线性化。这也允许计算边缘似然函数，其中高维潜在状态被整合出来，并且使用平滑过程容易地在块中采样。此外，我们的GED伽马模型的扩展很容易将斜重尾分布。我们使用贝叶斯估计的静态参数的推断，并进行了模拟研究的估计的几个性质。我们的结果表明，所提出的模型可以合理地估计。此外，我们还提供了巴西资产和英镑/美元汇率的案例研究，以显示我们的方法在拟合和预测方面的性能。关键词：SV模型，新的序列和平滑程序，广义学生t分布，非高斯误差，重尾，偏度
2018-08-23 q-fin.ST stat.OT
Comparison of Azzalini and Geometric Skew Normal Distributions Under Bayesian Paradigm
正态分布的偏态推广由于其在多个领域的广泛应用，一直是统计学界非常感兴趣的话题。由于其直观的吸引力，最流行的偏正态分布之一是Azzalini的偏正态分布。然而，由于分布的性质，它遭受严重的推理问题。有趣的是，贝叶斯方法已被证明可以缓解这些问题。最近，另一种偏态正态分布，几何偏态正态分布，这是结构上不同于Azzalini的偏态正态分布，已被提出作为一种替代建模偏态数据。尽管在偏态正态分布的兴趣，有限数量的文章处理比较不同的偏态分布的性能，特别是在贝叶斯上下文中。为了解决这一差距，本文试图比较这两个偏态正态分布的贝叶斯模型的数据与不同的偏态。利用混合Gibbs-Metropolis算法得到了几何偏态正态分布参数的后验估计，并得到了数据的后验预测拟合。类似地，对于Azzalini的偏态正态分布，使用吉布斯抽样算法导出后验预测拟合。为了比较性能，利用后验预测分布和原始数据之间的Kolmogorov-Smirnov距离来测量两种模型的拟合优度。分类的真实和模拟数据集，具有广泛的偏度，使用这两种模型进行了分析，并讨论了这两种模型的优点和缺点。最后，提出了一种更快的变分贝叶斯方法来逼近几何斜正态模型的后验分布，并讨论了它的性能。
2023-01-04 stat.ME
On modelling asymmetric data using two-piece sinh-arcsinh distributions
我们介绍了单变量两片sinh-arcsinh分布，其中包含两个形状参数，分别控制偏度和峰度。我们表明，这个新模型可以捕获比原始sinh-arcsinh分布（Jones和Pewsey，2009）更高水平的不对称性，在一些不对称性措施方面，同时保持尾部的灵活性和易处理性。我们说明了所提出的模型与真实数据的性能，并将其与适当的替代品进行比较。虽然我们专注于单变量版本的建议分布的研究，我们指出一些多元扩展。
2015-05-20 stat.AP
Flexible Bayesian modelling in dichotomous item response theory using mixtures of skewed item curves
大多数项目反应理论（IRT）的二分法反应模型是基于概率或logit链接函数，假设一个正确的反应的概率和提交给测试的个人的潜在特质之间的对称关系。这一假设将这些模型的使用限制在所有项目都具有对称行为的情况下。另一方面，文献中提出的非对称模型要求测试中的所有项目都具有非对称行为。这一假设不适用于大多数由对称和非对称项目组成的测验。此外，文献中现有模型的直接扩展将需要事先选择项目的对称/不对称状态。本文提出了一个贝叶斯项目反应理论模型，它以一种灵活而简约的方式解释了对称和非对称项目。这是通过在偏度参数之前分配一个有限混合物来实现的，其中一个混合物成分是零处的点质量。这允许在模型选择和模型平均方法下进行分析。非对称项曲线是通过中心偏态正态分布设计的，它在参数解释和计算效率方面具有特别吸引人的参数化。提出了一种有效的MCMC算法来进行贝叶斯推断，并在一些模拟例子中研究了它的性能。最后，所提出的方法被应用到一个大规模的教育考试在巴西的数据集。
2022-05-20 stat.ME
Multivariate stable distributions and their applications for modelling cryptocurrency-returns
在本文中，我们将已知的拟合稳定分布的方法扩展到多变量情况，并将建议的方法应用于每日加密货币收益数据的建模。将调查的时间段分为10个不重叠的部分，因此也可以观察到变化。我们应用自举检验来检查模型，并将我们的方法与更传统的极值和Copula模型进行比较。
2018-10-22 q-fin.ST stat.AP
Statistical comparison of classifiers through Bayesian hierarchical modelling
Istituto Dalle Molle di studi sull’Intelligenza Artificiale (IDSIA)（达勒莫勒人工智能研究所 (IDSIA)）；University of Ljubljana（卢布尔雅那大学）
通常人们通过零假设显著性检验（nhst）来比较两个竞争分类器的准确性。然而，nhst测试遭受的重要缺点，这可以通过切换到贝叶斯假设检验克服。我们提出了一个贝叶斯分层模型，共同分析交叉验证结果，由两个分类器在多个数据集。它返回两个分类器的准确度实际上相等或显著不同的后验概率。分层模型的另一个优点是，通过联合分析所有数据集上获得的结果，与对给定数据集上获得的交叉验证结果进行平均的通常方法相比，它减少了估计误差。
2016-11-22 cs.LG stat.ME stat.ML
Modelling sub-daily precipitation extremes with the blended generalised extreme value distribution
提出了一种新的方法来模拟次日降水量的年最大值，目的是制作返回水平估计的空间图。年降水量最大值的建模使用贝叶斯分层模型与潜在的高斯场，混合广义极值（bGEV）分布作为一个更标准的广义极值（GEV）分布的替代品。推断是一种新的两步程序，执行单独的建模的规模参数的bGEV分布使用超过阈值数据的峰值浪费。使用集成嵌套拉普拉斯近似（INLA）与随机偏微分方程（SPDE）的方法，都在R-INLA实现快速推理。启发式提高数值稳定性的R-INLA与GEV和bGEV分布。该模型是适合每年最大的分日降水量从挪威南部，并能够快速产生高分辨率的返回水平图的不确定性。建议的两个步骤的程序提供了一个改进的模型拟合超过标准的推理技术时，建模的年度最大值的每日次降水与bGEV分布。
2022-05-21 stat.AP
Asymptotic dependence modelling of the BRICS stock markets
本文利用经验数据，研究了金砖五国（巴西、俄罗斯、印度、中国和南非）股票市场10对组合的极值相关性问题。本研究使用2010年1月5日至2018年8月6日的每日收盘股票指数。与以往文献不同的是，我们使用二元点过程和条件多元极值模型来研究股票市场收益率的极值依赖性。然而，据观察，点过程能够模拟更多的极端观测或概率，有助于似然估计。它比CMEV模型的阈值超额方法提供了更多的信息。这项研究表明，不同程度的低极值依赖结构的结果是非常有益的投资者，投资组合经理和其他市场参与者有兴趣最大限度地提高投资回报和财务收益。
2022-05-30 stat.AP
A Comparative Modelling of Essential Characteristics of Volatility: Simulation and Empirical Study
本研究利用五个时变模型估计金融收益波动率的六个本质特征，基于S&P印度指数的模拟与实证表明，意外新闻对市场长期影响较低，长期投资风险可控，建议投资者面对意外新闻保持冷静。
2025-03-03 stat.AP
A skew logistic distribution with application to modelling COVID-19 epidemic waves
通过引入偏度参数，提出了对称Logistic分布的一种新颖而简单的推广。它示出了如何随后的斜Logistic分布的三个参数可以使用极大似然估计。然后将偏logistic分布扩展到偏双logistic分布，以允许对流行病时间序列数据中的多个波进行建模。在来自英国的COVID-19数据上验证了所提出的偏斜-logistic模型，并使用最近制定的经验生存詹森-香农散度（${\cal E}SJS$）和Kolmogorov-Smirnov双样本检验统计量（$KS2$）对logistic和正态分布进行了拟合优度评估。我们采用95%的自举置信区间来评估偏logistic分布的拟合优度相对于其他分布的改善。在使用该数据集时，获得的${\cal E}SJS$的置信区间比$KS2$的置信区间窄，这意味着${\cal E}SJS$比$KS2$更有效。
2022-05-05 physics.soc-ph stat.AP
Modelling Hospital length of stay using convolutive mixtures distributions
住院时间（LOS）是医院活动和卫生保健管理的重要指标。服务水平分布的偏态给统计建模带来了问题，因为它不能充分遵循通常的传统分布，如对数正态分布。这项工作的目的是使用两个分布的卷积来模拟可变的LOS;这是信号处理界众所周知的技术。该模型的特殊性在于，感兴趣的变量被认为是具有不同分布的两个随机变量的结果和。其中一个变量将根据患者从入院状态中恢复的需要来描述与患者相关的因素，而另一个变量则模拟医院管理过程，例如出院过程。提出了两种估计方法。一个是经典的极大似然，而另一个涉及的期望最大化算法。我们将提出一些结果，通过应用该模型从一组医院在维多利亚州（澳大利亚）的一组真实数据。
2015-12-08 stat.AP stat.OT
Modelling the clustering of extreme events for short-term risk assessment
对极端事件的发生率进行可靠的估计对于保险公司、政府机构和公众来说非常重要。极端事件的罕见性通常通过其重现期来表示，即，如果过程的极端事件是独立同分布的，则在所观察到的大小的事件之间的期望等待时间。该测量的主要局限性是，在\textit{T}年事件之后的接下来几个月内发生意外高数量的事件，其中\textit{T}较大。这些事件破坏了对这些风险估计质量的信任。明显独立的极端事件的聚集可能是过程的局部非平稳性的结果，这可以用协变量或随机效应来解释。我们将展示如何会计这些协变量和随机效应提供更准确的估计回报水平和艾滋病的短期风险评估，通过使用一个新的风险措施，这提供了证据的风险是互补的回报期。
2019-06-19 stat.AP stat.ME
Asymmetric Laplace scale mixtures for the distribution of cryptocurrency returns
最近关于加密货币回报的研究表明，它的分布可能是高峰值，偏斜和重尾的，具有很大的超额峰度。为了适应所有这些特点，我们提出了非对称拉普拉斯尺度混合（ALSM）分布族。该家族的每个成员是通过将条件非对称拉普拉斯（AL）分布的尺度参数除以一个方便的混合随机变量来获得的，该混合随机变量在正实数线的全部或部分上取值，并且其分布取决于一个参数向量$\boldsymbolθ$，从而为所得到的ALSM提供更大的灵活性。有利地，相对于AL分布，我们家族的成员允许偏度和峰度的值的更宽范围。为了说明的目的，我们考虑不同的混合分布，它们产生ALSM具有封闭形式的概率密度函数，其中AL分布作为特殊情况下获得一个方便的选择$\boldsymbolθ$。我们研究我们的ALSM的一些属性，如层次和随机表示和时刻的实际利益。我们描述了期望最大化算法，以获得所有考虑ALSM的参数的最大似然估计。我们将这些模型拟合到两种加密货币的回报，并考虑了几种经典的分布进行比较。分析表明，我们的模型是一个有效的替代考虑的竞争对手在AIC，BIC和似然比检验。
2022-09-26 stat.AP stat.CO stat.ME
Estimating Quantile Families of Loss Distributions for Non-Life Insurance Modelling via L-moments
本文讨论了不同类别的损失模型在非寿险设置。然后，它概述了类Tukey变换损失模型，尚未被广泛考虑在非寿险建模，但提供了机会，以产生灵活的偏度和峰度的功能，往往需要在损失建模。此外，这些损失模型承认明确的分位数规格，使他们直接相关的分位数为基础的风险度量计算。我们详细介绍了各种参数化和基于Tukey变换的模型，如g-和-h，g-和-k和g-和-j模型，包括它们与损失建模相关的属性。这种模型的挑战之一是对损失模型参数进行鲁棒估计，当拟合这种模型时，这些参数将适合于从业者。在本文中，我们开发了一种新的，有效的和强大的估计过程中，在这个家庭的Tukey变换模型的模型参数估计，基于L-矩。它被证明是更强大的和有效的比目前的最先进的方法估计这样的家庭的损失模型，是简单的实现为实际目的。
2016-03-03 math.ST q-fin.RM stat.AP
Peaks over thresholds modelling with multivariate generalized Pareto distributions
在评估极端事件的影响时，重要的往往不仅仅是一个单一的组成部分，而是几个组成部分的综合表现。多元广义帕累托（GP）分布的统计建模构成了单变量峰值阈值模型的多元模拟，广泛应用于金融和工程领域。我们开发了一般的方法来构建多元GP分布，并使用它们来创建各种新的统计模型。提出了一个删失似然过程，使这些模型的推断，连同阈值选择过程，拟合优度诊断，和计算上易于处理的策略模型选择。该模型拟合的股票价格回报的四个英国的银行和降雨数据的滑坡风险估计的背景下。补充材料和代码可在网上查阅。
2018-02-06 stat.AP stat.ME
Modelling Extremes of Spatial Aggregates of Precipitation using Conditional Methods
降水空间聚集体的极端行为的推断是重要的河流洪水风险量化。有两类以前的方法，一个未能确保跨不同区域的聚合和其他施加高度限制性的假设推理的自我一致性。为了克服这些问题，我们提出了一个高分辨率的降水数据模型，从中我们可以模拟现实的领域，并探索空间聚集体的行为。最近的发展已经看到了空间扩展的Hynnan和Tawn（2004）模型的条件多元极端，它可以处理范围广泛的依赖结构。我们的贡献是双重的：扩展和改进这种方法及其模型推理的高维数据;和一个新的框架，用于获得聚合解决边缘效应和子区域没有雨。我们应用我们的建模方法网格化的东安格利亚，英国降水数据。返回水平曲线的空间聚集在不同区域的各种大小的估计和拟合非常好的数据。
2022-06-21 stat.AP stat.ME
An utopic adventure in the modelling of conditional univariate and multivariate extremes
HEC Montréal（HEC蒙特利尔）；Indian Institute of Technology Kanpur（坎普尔印度理工学院）
本文针对条件单变量和多变量极值建模中的四个挑战，提出新的交叉验证方法、验证指标及联合超出行概率公式，探讨模型验证与自定义估计策略。
2023-12-21 stat.AP stat.ME
Simulation-based Forecasting for Intraday Power Markets: Modelling Fundamental Drivers for Location, Shape and Scale of the Price Distribution
本文针对欧洲日内电力价格，利用可再生能源预测、停机和 merit-order 等基本面变量建模收益分布的位置、形状与尺度，并通过德国市场模拟预测验证其在尾部概率预测上的显著提升。
2022-11-23 econ.EM q-fin.CP q-fin.ST
