Estimating changes in temperature extremes from millennial scale climate simulations using generalized extreme value (GEV) distributions
极端天气的变化可能会产生人类气候变化的一些最大的社会影响。然而，从短期观测记录中估计极端事件的变化本质上是困难的。在这项工作中，我们使用千禧年运行从CCSM 3在平衡的工业化前和未来可能的条件下，研究如何极端变化在这个模型中，以及如何以及这些变化可以估计为运行长度的函数。我们估计未来的极端温度分布的变化（年度最小值和年度最大值）在美国本土通过拟合广义极值（GEV）分布。使用1000年前的工业和未来的时间序列，我们表明，温暖的极端的幅度在很大程度上根据夏季温度的平均变化。相比之下，寒冷的极端温暖的冬季温度的平均变化，但GEV位置参数的变化在很大程度上是可以解释的平均变化与冬季温度变化减少相结合。此外，在内陆地区极端寒冷的GEV分布的传播和形状的变化，可以导致尾部行为的可辨别的变化。然后，我们研究使用较短的模型运行所产生的不确定性。原则上，GEV分布提供了理论依据，可以使用比这些事件的重现频率更短的时间序列来预测罕见事件。为了研究这种方法在实践中的效果，我们使用不同长度的片段来估计20年，50年和100年的极端事件。我们发现，即使使用GEV分布，时间序列，是可比的或更短的长度比利益的回报期可能会导致非常差的估计。这些结果表明，当试图使用短期观测时间序列或模型运行来推断罕见的极端情况时，应谨慎。
2016-06-14 stat.AP
Inference for bivariate extremes via a semi-parametric angular-radial model
本文提出一种基于半参数角-径模型的多元极值推断新框架，克服了现有方法在依赖形式和参数假设上的局限，提供评估联合尾部行为的统一范式及不确定性和拟合优度评估技术，在模拟和海洋气象数据上表现良好。
2024-07-09 stat.AP stat.ME
Multivariate spatio-temporal models for high-dimensional areal data with application to Longitudinal Employer-Household Dynamics
许多数据源报告了相关的感兴趣的变量，这些变量也在地理区域和时间上被引用;然而，人们可以容易地使用的通用统计方法相对较少，这些方法包含这些多变量时空依赖性。此外，许多多变量时空区域数据集是非常高维的，这导致在制定统计模型时的实际问题。例如，我们分析了美国人口普查局纵向雇主-家庭动态（LEHD）计划发布的季度劳动力指标（QWI）。QWI可按不同的变量、地区和时间点提供，从而产生数百万个表格。尽管QWI的覆盖范围已经很广，但通过采用完全贝叶斯框架，QWI的范围可以扩展到提供缺失值的估计以及相关的不确定性度量。受LEHD和联邦统计中的其他应用的启发，我们引入了多变量时空混合效应模型（MSTM），该模型可用于有效地建模高维多变量时空区域数据集。建议的MSTM扩展的概念Moran的I基函数的多元时空设置。这种扩展导致几个方法的贡献，包括非常有效的降维，多变量时空区域过程的动态线性模型，并减少了高维参数空间使用一种新的参数模型。
2016-01-29 stat.ME
Extreme value analysis for the sample autocovariance matrices of heavy-tailed multivariate time series
本文给出了p维时间序列的样本协方差阵的最大特征值的渐近理论，其中当样本量n增加时，维数p = p_n收敛到无穷大.我们给出了一个简短的概述，在轻尾和重尾的情况下，数据有有限（无限）的四阶矩，分别在这一主题的文献。我们主要关注的是重尾的情况。在这种情况下，人们有一个理论，在iid的情况下，但也当数据的行和列是线性相关的样本协方差阵的归一化特征值的点过程。我们提供了这些点过程的泊松或集群泊松过程的弱收敛的极限结果。基于这种收敛性，我们还可以推导出有序特征值的各种函数的极限定律，例如有限个最大顺序统计量的联合收敛性、最大特征值与迹的联合极限定律、有序特征值连续比的极限定律等。我们还发展了样本自协方差矩阵及其平方和的奇异值的极限理论。该理论的模拟数据和标准普尔500指数的组成部分说明。
2016-04-26 math.PR math.ST stat.TH
Latent Model Extreme Value Index Estimation
提出了一种新的多元极值指标估计策略。在金融等应用中，多元时间序列的组成部分中存在的波动性和风险通常由相同的潜在因素驱动，例如美国的次贷危机。为了估计潜在风险，我们采用了两个阶段的程序。首先，使用潜变量分析方法估计一组独立的潜序列。然后，单变量风险措施估计单独的潜在系列，以评估其对整体风险的贡献。作为我们的主要理论贡献，我们得到的条件下，第一步的风险估计的渐近行为的影响是可以忽略的。仿真证明了理论下的i.i.d.和相关数据，并应用到金融数据说明了实用的方法在提取联合风险源。
2020-03-23 math.ST stat.TH
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
A Bayesian multivariate extreme value mixture model
School of Mathematics and Statistics, University of Glasgow（格拉斯哥大学数学与统计学院）；School of Mathematics and Statistics, University of St Andrews（圣安德鲁斯大学数学与统计学院）
本文提出一种多元极值混合模型，用于评估自然灾害的影响，结合了尾部和主体的建模方法，并通过贝叶斯推断处理阈值选择的不确定性。
2026-03-28 stat.AP stat.ME
Climate extreme event attribution using multivariate peaks-over-thresholds modeling and counterfactual theory
数值气候模式是复杂的，并结合了大量的物理过程。它们是量化潜在人为原因（例如，目前温室气体的增加）对强降雨等高影响大气变量的影响。这些所谓的气候极端事件归因问题是特别具有挑战性的多元背景下，也就是说，当大气变量测量可能是高维网格。在本文中，我们利用两个统计理论来评估因果关系的背景下，多变量极端事件归因。当我们认为一个事件是极端时，至少有一个感兴趣的向量的组件是大的，极值理论证明，在渐近意义上，一个多变量广义帕累托分布模型联合极端。根据这一类的分布，我们推导和研究概率的必要和充分的因果关系所定义的反事实理论的珍珠。为了增加因果关系的证据，我们提出了一个降维策略的基础上，最大限度地提高这种因果关系的概率的最佳线性投影。我们的方法进行了测试模拟的例子，并适用于每周冬季最大降水输出的法国CNRM从最近的CMIP6实验。
2020-05-18 stat.AP stat.ME
Correlated Multivariate Poisson Processes and Extreme Measures
多元泊松过程在保险、金融和应用概率的许多其他领域有着重要的应用。在本文中，我们研究了反向模拟方法来模拟多变量泊松过程，并分析了连接到极端的措施，描述联合分布的过程中，在终端模拟时间。
2017-10-27 stat.ME
Tracking change-points in multivariate extremes
在本文中，我们设计了一个统计方法跟踪和建模的变化点的依赖结构的多元极值。这些方法的动机是通过对加密资产的案例研究来说明的。
2020-11-10 q-fin.ST stat.ME
Temporal evolution of the extreme excursions of multivariate $k$th order Markov processes with application to oceanographic data
本文建立了两个多变量$k$阶马尔可夫过程极端事件时间演化的模型。我们方法的基础在于Hongnan & Tawn（2004）的条件极值模型，它自然地扩展了Winter & Tawn（2016，2017）和Tendijck等人的工作。（2019）包括多元随机变量。我们使用交叉验证类型的技术来开发一个模型的顺序选择程序，我们测试我们的模型在北海北部的一个位置的二维气象海洋学数据与方向协变量。我们的结论是，新开发的模型比广泛使用的历史匹配方法，这些数据表现更好。
2023-02-28 physics.ao-ph stat.AP stat.ME
Modeling Extreme Events: Univariate and Multivariate Data-Driven Approaches
本文总结团队genEVA在EVA 2023数据挑战赛中的工作，针对单变量与多变量极值任务，分别采用神经网络分位数回归、损失函数微调、copula模型及聚类降维方法，在单变量任务中取得了最准确的分位数估计。
2024-10-16 stat.AP stat.ME
Max-stable models for multivariate extremes
多变量极值分析关注的是多变量随机样本中的极值，也就是说，其中至少一些分量具有异常大的值的点。数学理论建议对单变量和多变量极值使用最大稳定模型。一个全面的帐户给出的各种方式，其中最大稳定模型的描述。此外，还提出了一种构造最大稳定分布参数族的方法。虽然该装置并不新，但其作为模型生成器的作用似乎尚未得到充分利用。
2012-04-02 math.PR stat.ME
Likelihood estimators for multivariate extremes
推断多变量极值的主要方法是用极值事件极限中的一个参数族来近似观测值的联合上尾。后者可以表示为分量极大值、高阈值方差或点过程，得到不同但相关的渐近特征和估计。本文阐明了主要的似然估计之间的联系，并评估其实际性能。我们调查他们的能力，估计极值依赖结构和预测未来的极端，使用精确的计算和模拟，在逻辑模型的情况下。
2015-06-16 stat.ME
Non-Parametric Simulation of Multivariate Extreme Events via Spectral Bootstrap
Université Paris Cité（巴黎西岱大学）；CNRS（法国国家科学研究中心）；Univ Brest（布雷斯特大学）；Sorbonne Université（索邦大学）；Université Claude Bernard Lyon 1（里昂第一大学）
本文提出一种非参数模拟方法，通过多变量广义极值分布的频谱表示，生成额外的极值数据以提升极值推断的可靠性，适用于高维极值场景的风险评估。
2026-04-10 stat.ME
Multivariate spatial conditional extremes for extreme ocean environments
使用Metop卫星散射计和2007-2018年期间的后报观测以及最终受Hongnan和Tawn（2004）工作启发的多变量空间条件极值（MSE）模型，对东北大西洋风速和有效波高的联合极值空间依赖性进行了量化。分析工作包括：（a）将各个卫星条带和相应的后报数据登记到样带模板上（b）在样带上的一组登记地点进行非固定方向-季节边际极值分析，（c）使用拟合边际模型从物理尺度转换为标准拉普拉斯尺度，（d）对登记位置组的MSCE模型进行估计，并评估模型拟合的质量。联合模型估计三个空间量：气象风速，后报风速和后报有效波高。结果表明，当条件极端Metop风速，极端空间依赖性的所有三个量衰减超过约600-800公里。
2022-01-25 physics.ao-ph stat.AP stat.ME
Causal Discovery in Multivariate Extremes with a Hydrological Analysis of Swiss River Discharges
本文提出一种基于最大吸引域和广义帕累托向量表示的模型无关因果得分，通过Wasserstein距离比较方向，用于多元极值因果发现，并在瑞士水文数据上验证。
2024-05-23 stat.AP stat.ME
Multivariate Tail Estimation: Conditioning on an extreme event
我们考虑规则变化的随机向量。我们的目标是以非参数的方式估计一些与极端事件有关的特征，如尾部依赖系数。我们引入了一个准谱分解，可以提高估计的效率。估计量的渐近正态性是基于尾经验过程的弱收敛。理论结果得到了模拟研究的支持。
2015-02-25 stat.ME
Bayesian model averaging of risk set probabilities using a geometric representation of multivariate extremes
本研究针对多元极值建模，提出结合删失似然的贝叶斯模型平均方法，在小样本下提升尾风险概率预测性能，并通过火灾气象指数验证其环境应用价值。
2026-09-01 stat.AP stat.ME
Bayesian inference for multivariate extreme value distributions
多元和空间极端事件的统计建模在各个科学领域引起了广泛的关注。最大稳定分布和过程是自然类的模型，为这一目的，许多参数家庭已开发和成功应用。由于似然函数的复杂性，有效的统计推断仍然是一个活跃的研究领域，通常使用的是仅基于二元密度的复合似然方法。Thibaud等人（2016，Ann. Appl. Stat.，出现）使用贝叶斯方法，以适应布朗-雷斯尼克过程的极端温度。在本文中，我们扩展了这一想法的方法，适用于一般的最大稳定分布，并使用充分的可能性。我们进一步提供了后验分布的中位数渐近正态的简单条件，并对多元和空间极值统计中常用的模型进行了验证。一个模拟研究表明，这种点估计是相当有效的比复合似然估计的频率框架。从贝叶斯的角度来看，我们的方法开辟了新的技术，如贝叶斯模型比较在多元和空间极端的方式。
2017-08-08 stat.ME
Principal Component Analysis for Multivariate Extremes
Colorado State University（科罗拉多州立大学）；Université Paris Cité, Université Paris Saclay, ENS Paris Saclay, CNRS, SSA, INSERM, Centre Borelli（巴黎西岱大学、巴黎萨克雷大学、巴黎高等师范学校、法国国家科学研究中心、社会卫生与老龄化研究所、博尔内利中心）
提出一种针对多元极值数据的降维方法，通过主成分分析保留极值相关信息，解决高维极值分析中的维度灾难问题。
2026-06-05 math.ST stat.ME stat.ML
Kernel PCA for multivariate extremes
Columbia University（哥伦比亚大学）；Cornell University（康奈尔大学）；National University of Singapore（新加坡国立大学）
我们提出核主成分分析作为一种方法，用于分析多变量极值的依赖结构，并证明它可以是一个强大的工具，聚类和降维。我们的工作提供了一些理论上的洞察核PCA获得的原像，证明在一定条件下，他们可以有效地识别数据中的聚类。我们建立在这些新的见解，以严格表征基于极值样本的核PCA的性能，即，半径超过大阈值的随机向量的角部分。更具体地说，我们专注于在极值理论的角度或频谱措施，其特征在于多变量极端的渐近依赖性，并提供了一个仔细的分析的情况下，极端的线性因子模型产生。我们的核PCA原像的性能，这样的极端利用他们的渐近分布与戴维斯-卡汉扰动界的理论保证。我们的理论研究结果补充说明我们的方法的有限样本性能的数值实验。
2022-11-24 cs.LG math.ST stat.ME
Expansions for Quantiles and Multivariate Moments of Extremes for Distributions of Pareto Type
令$X_{nr}$为来自$α> 0$和$β> 0$的分布$F (x) = 1 - \sum_{i = 0}^\infty c_i x^{-α- i β}$的大小为$n$的随机样本的第11个最大值。本文证明了一个反演定理，并利用它导出了分位数$F^{-1} (u)$及其幂的展开式，由此给出了固定${\bf s} = (s_1, ..., s_k)$的极值$\{X_{n, n - s_i}, 1 \leq i \leq k \}/n^{1/α}$的多元矩的$(n^{-1}, n^{-β/α})$的幂展开式，其中$k \geq 1$ .例子包括柯西，学生$t$，$F$，第二极端分布和稳定的法律指数$α< 1$。
2009-03-25 stat.ME
Multivariate Extremes Over a Random Number of Observations
经典的多元极值理论关注多元随机样本中极值的建模，建议使用最大稳定分布。在这项工作中，经典理论被扩展到的情况下，聚合数据，如观察的随机数的最大值，被认为是。我们得到了一个关于聚集数据分布的吸引子的极限定理，它归结为一族新的最大稳定分布。我们还把经典的最大稳定分布的极值依赖结构和我们的新的最大稳定分布族的极值依赖结构联系起来。通过反演方法，我们得到一个半参数的复合估计的极值依赖的不可观测的数据，从一个初步估计的极值依赖的聚合数据。此外，我们发展了复合估计的大样本理论，并通过模拟研究说明其有限样本性能。
2020-03-11 stat.ME
Detecting breaks in the dependence of multivariate extreme-value distributions
在环境科学中，评估极端测量值之间的相关性在观测期间是否发生了变化往往是令人感兴趣的。这项工作的目的是提出一个统计测试，是特别敏感的这种变化。由此产生的过程还被扩展到允许在边缘分布中存在已知突变的情况下检测极值依赖性的变化。模拟进行研究的两个版本的建议测试的有限样本的行为。水文数据集的插图结束了这项工作。
2015-05-05 stat.ME
Linking representations for multivariate extremes via a limit set
多元极值的研究主要是由多元规则变化，虽然它是众所周知的，这种方法并没有提供足够的区分随机向量，其组件并不总是同时大。已经提出了各种替代的相关性度量和表示，其中最著名的是隐藏的规则变化和条件极值模型。这些不同的极值依赖性是通过考虑多变量域的不同部分而产生的，特别是探索当一个变量的极值可能以不同的速度增长到其他变量时会发生什么。到目前为止，这些不同的表现形式来自不同的来源，它们之间的联系是有限的。在这项工作中，我们阐明了许多相关的连接，通过几何方法。特别是，在轻尾利润率的缩放样本云的极限集的形状示出提供了几个不同的极值依赖表示的描述。
2021-08-14 math.ST stat.ME stat.TH
Generative modelling of multivariate geometric extremes using normalising flows
本文提出基于归一化流和超球面几何方法的多元极值生成建模框架，实现全方向联合尾部外推和任意风险区域快速概率估计，并在风速极值与风电相关极端事件分析中验证其有效性。
2025-05-05 stat.ME
Modeling extremal dependence in multivariate and spatial problems: a practical perspective
School of Mathematics and Statistics, UNSW Data Science Hub (uDASH), UNSW Sydney（新南威尔士大学数学与统计学院、数据科学中心）；Department of Decision Sciences, Bocconi University（博科尼大学决策科学系）
本文从环境科学到金融领域，探讨了如何通过ExtremalDep包评估超出观测数据的极值风险，提供多变量和空间极值分析的实用方法和工具。
2026-04-05 stat.ME
Parsimonious Factor Models for Asymmetric Dependence in Multivariate Extremes
University of Melbourne（墨尔本大学）；UNSW Sydney（新南威尔士大学）
本文提出了一种稀疏因子模型，用于捕捉多变量极值中的非对称依赖结构，通过极值理论推导并验证了其在实际数据中的有效性。
2025-12-04 stat.ME
Bayesian model averaging over tree-based dependence structures for multivariate extremes
描述极端现象的复杂依赖结构特别具有挑战性。为了解决这个问题，我们开发了一种新的统计算法，描述极值依赖利用最大稳定的嵌套逻辑斯谛分布的固有的层次依赖结构，并确定可能的集群的极端变量使用可逆跳马尔可夫链蒙特卡罗技术。当极端变量的集群被发现是完全独立时，可以实现简约的表示。此外，我们显着降低了计算复杂性的完全似然推断推导出一个递归公式的嵌套逻辑模型的可能性。通过大量的仿真实验验证了算法的性能，并比较了不同的似然程序。新的方法被用来调查在加利福尼亚州的多种污染物的极端浓度之间的依赖关系，以及这些污染物是如何与极端天气条件。总的来说，我们表明，我们的方法允许复杂的极值依赖结构的表示，并在多元数据分析，如空气污染监测，它可以指导决策的有效应用。
2018-07-22 stat.ME
Large-sample tests of extreme-value dependence for multivariate copulas
从极值copula函数的极大稳定性特征出发，研究了多元copula函数极值依赖性的大样本检验问题。所提出的测试的两个关键成分是经验copula的数据和乘数技术获得近似的p值的派生统计。建立了乘子方法的渐近有效性，并通过广泛的蒙特卡罗实验研究了大量候选检验统计量的有限样本性能的数据集的尺寸2至5。在双变量情况下，最佳检验版本的拒绝率与Ghoudi，Khoudraji和Rivest（1998）最近由Ben Ghorbal，Genest和Neslehova（2009）重新访问的检验进行了比较。所提出的程序说明了二元金融数据和三元地质数据。
2011-05-11 stat.ME
A Multivariate Extreme Value Theory Approach to Anomaly Clustering and Visualization
在各种各样的情况下，复杂系统的行为中的异常，其健康状况通过观察随机向量X =（X1，. ..，Xd），对应于某些子群$α$ $\subset$ {1，. .. .，d}。根据重尾假设，这是非常适合这些现象的建模，统计方法依赖于多元极值理论已在过去几年中开发的识别此类事件/子组。本文进一步利用这种方法，通过一种新的混合模型，允许描述分布的极值观测和异常类型$α$被视为一个潜在的变量。然后可以通过为每个异常类型$α$分配后验概率来利用模型，从而隐含地定义异常之间的相似性度量。它详细解释了后者如何允许集群极端观测，并获得一个信息丰富的平面表示异常使用标准的图形挖掘工具。在航空应用领域中，模拟数据集和真实观测数据表明了聚类和2-D可视化显示的相关性和实用性。
2019-07-17 stat.AP stat.ME stat.ML
Sparse Structures for Multivariate Extremes
极值统计学为罕见事件的小发生概率提供了准确的估计。虽然单变量极值的理论和统计工具已经很发达，但高维和复杂数据集的方法仍然很少。稀疏性的适当概念和与其他领域的联系，如机器学习，图形模型和高维统计只是最近才建立起来。本文综述了罕见事件中稀疏模式的检测和建模这一新的研究领域。我们首先描述了不同形式的极值相关性，可以出现在一个多元随机向量的最大观测值之间。然后，我们讨论了当前的研究课题，包括聚类，主成分分析和极端的图形建模。识别组的变量，可以伴随着极端的也解决了。并以洪水风险评估为例说明了该方法的应用。
2020-05-08 math.ST stat.ME stat.TH
Nonparametric estimation of multivariate extreme-value copulas
极值copula出现在独立随机样本的分量最大值的渐近理论中。极值Copula由其Pickands依赖函数确定，该函数是单位单纯形上的函数，受到某些形状约束，这些形状约束来自称为谱测度的基础测度的积分变换。多元扩展提供了某些基于秩的非参数估计的Pickands依赖函数。的形状约束，估计本身应该是一个Pickands的依赖函数是强制执行的初始估计由其最佳最小二乘近似的Pickands的依赖函数的集合中具有离散的频谱测量支持在一个足够细的网格。证明了标准化估计的弱收敛性，并通过模拟实验研究了估计的有限样本性能。
2011-11-29 stat.ME
Combining regional estimation and historical floods: a multivariate semi-parametric peaks-over-threshold model with censored data
极端洪水分位数的估计是具有挑战性的，因为与典型的目标重现期相比，极端数据相对稀缺。多年来，为应对这一挑战，开发了几种方法，包括区域估计和使用历史洪水数据。本文研究了这两种方法的组合使用多变量峰值阈值模型，允许估计共在每个站点的站点间的依赖结构和边缘分布。利用半参数Dirichlet混合模型构造了多个站点极值的联合分布。部分缺失和删失观测值（历史数据）的存在在数据扩充方案中进行解释。该模型适用于一个案例研究，涉及四个集水区在法国南部，自1604年以来的历史数据。从四个版本的模型（有或没有区域化的形状参数;使用或忽略历史洪水）的边际估计值的比较突出了显着差异的回报水平估计。此外，附近几个集水区的历史数据的可用性允许调查极端洪水的渐近相关性。流域显示了大量的渐近依赖，需要适应多元统计模型。
2014-11-28 stat.AP stat.ME
Clustering of multivariate tail dependence using conditional methods
University of Bath（巴斯大学）；University of Edinburgh（爱丁堡大学）
针对多元极值聚类难解释比较的问题，提出基于条件极值框架的新方法，利用偏几何詹森 - 香农散度构建差异度量，经模拟研究和实际应用验证，该方法优于现有方法且能扩展到多元场景。
2026-07-17 stat.AP stat.ME
Multivariate Discrete Generalized Pareto Distributions: Theory, Simulation, and Applications to Dry spells
本文提出多元离散广义帕累托分布（MDGPD），扩展极值理论至离散数据，结合似然自由推断方法，用于干旱期等极端事件建模。
2025-06-24 stat.ME
Determining the Dependence Structure of Multivariate Extremes
在多元极值分析中，选择合适的统计模型时，应考虑变量间极值相关的性质。兴趣通常在于确定哪些变量子集可以同时取其最大值，而其他变量的顺序较小。我们的方法来解决这个问题，利用隐藏的经常变化的非标准锥的集合上的属性，并提供了一组新的指标，揭示方面的极值依赖结构，通过现有的依赖措施不可用。我们推导出这些指数的理论性质，通过一系列的例子来证明它们的价值，并开发推断方法，也估计与每个圆锥体相关的极值质量的比例。我们将该方法应用于英国河流流量，估计不同子集的网站同时大的概率。
2019-10-11 stat.ME
Semi-parametric modeling of excesses above high multivariate thresholds with censored data
如何将删失数据纳入统计分析是统计学中经常遇到的问题。在多变量极值中，大观测值的相关结构可以用非参数角度测度来表征，而超过渐近大阈值的边际超额具有参数分布。本文提出了一种适用于角度测度的半参数Dirichlet混合模型，并将其应用于删失数据和缺失分量的情形.一个主要的问题是要考虑审查区间重叠的极值阈值，不知道是否相应的隐藏数据实际上是极端的。此外，贝叶斯推断所需的截尾似然没有解析表达式。第一个问题是解决使用泊松过程模型的极端，而数据增强计划避免了多变量整合的泊松过程强度在两个截尾区间和故障区域以上的阈值。实现MCMC算法允许同时估计的边缘和相关参数，使所有来源的不确定性以外的模型偏差捕获的后验可信区间。模拟和真实数据的方法说明。
2014-12-02 stat.AP stat.ME
Wasserstein-based Minimax Estimation of Dependence in Multivariate Regularly Varying Extremes
本文首次为多元线性因子模型中谱测度估计建立极小极大风险界，以Wasserstein距离导出非渐近收敛速率并证明最优性，提出两步估计量达到下界，弥合极值理论中偏差-方差权衡的空白。
2024-11-09 math.ST stat.ME stat.TH
Statistical inference for multivariate extremes via a geometric approach
本文提出基于极限集形状的多元极值几何统计建模与参数估计方法，可外推联合尾部并估计小概率，模拟和环境数据应用均验证其竞争力与良好拟合。
2023-11-02 stat.ME
Hypothesis testing for partial tail correlation in multivariate extremes
Department of Statistics, West Virginia University（西弗吉尼亚大学统计系）；School of Mathematical Sciences, Lancaster University（兰卡斯特大学数学科学学院）
本文提出了一种用于多变量极值中部分尾相关性检验的方法，通过尾部回归和极值协方差矩阵分析，揭示极值依赖结构中的稀疏性。
2025-12-30 stat.ME
Joint inference on extreme expectiles for multivariate heavy-tailed distributions
期望值的概念，最初引入的背景下，测试的同方差性和条件对称性的误差分布在线性回归，诱导一个法律不变的，连贯的和elicitable风险的措施，已收到了大量的关注精算和金融风险管理的背景下。最近的一些论文集中在行为和估计极端预期为基础的风险措施及其潜在的风险管理。联合推理的几个极端expectables然而一直保持不变，事实上，即使是一个边际极端expectables的推理结果是一个困难的问题，在有限的样本。研究了重尾边缘分布随机向量的多个极值边缘期望的同时估计问题。这是在一般极值依赖模型中完成的，其中重点是保证金之间的成对依赖性。我们使用我们的结果，以获得准确的置信区域的极端预期，以及几个极端预期的平等性测试。我们的方法展示在有限样本模拟研究和真实的财务数据。
2020-07-17 stat.ME
Joint modeling of low and high extremes using a multivariate extended generalized Pareto distribution
本研究提出多元扩展广义帕累托分布，联合建模低高极端值，保留单变量特性且上下尾符合极值理论，并用神经网络快速估计，在荷兰降雨数据上验证有效。
2025-09-07 stat.ME
Modelling multivariate extreme value distributions via Markov trees
针对高维多元极值建模难题，提出将二元 max-stable 分布组合成马尔可夫树，利用 Prim 算法学习树结构，实现对未知 max-stable 分布的近似及罕见事件概率推断。
2024-12-24 math.ST stat.ME stat.TH
Testing the Regular Variation Model for Multivariate Extremes with Flexible Circular and Spherical Distributions
本文提出基于非负三角和的圆形与球形分布作为谱测度的灵活概率模型，用于多元极值正则变化模型，并应用统计检验推断极值依赖结构，在金融数据上验证。
2023-09-12 stat.ME
Simple models for multivariate regular variations and the Hüsler-Reiss Pareto distribution
我们通过强调多元正则变化和多元Breiman引理重新审视多元极值理论建模。这使我们能够在一个简单的框架中恢复最流行的多元极值分布，如logistic，负logistic，Dirichlet，极值- $t$和Hüsler-Reiss模型。在本文的第二部分，我们重点讨论了Hüsler-Reiss Pareto模型及其令人惊讶的指数族性质。在深入研究了这类指数族结构之后，我们重点研究了极大似然估计。我们还考虑了具有不同尾部指标的广义Hüsler-Reiss Pareto模型和区分恒定尾部指标和变化尾部指标的似然比检验。
2017-12-26 stat.ME
Multiple block sizes and overlapping blocks for multivariate time series extremes
块极大值方法构成了极值分析中统计工具箱的基本部分。然而，大多数相应的理论是在简化的假设下得出的，即块极大值是来自真正的极值分布的独立观测值。然而，在实践中，块大小是有限的，并且来自不同块的观测是相关的。关于后者的并发症的理论还没有得到很好的发展，并且在多变量的情况下，最近才建立了一个单一的块大小的不相交块。我们表明，使用重叠的块，而不是不相交的块导致统一的改进的渐进方差的多变量经验分布函数的重新缩放块的最大值和任何光滑的泛函（如经验copula），而没有任何牺牲的渐近偏差。我们进一步推导出多元经验分布函数和经验copula函数的泛函中心极限定理，这些函数在块大小参数上是一致的，这似乎是基于块极大值的估计的第一个结果。该理论允许在多个块大小上的各种聚合方案，导致在单个分组长度情况下的实质性改进，并为进一步的方法开发打开了大门。特别是，我们考虑偏差校正程序，可以提高极值估计的收敛速度，并在主要目的是偏差校正时，对二阶参数的估计提供一些新的启示。
2019-07-22 math.ST stat.ME stat.TH
A Kullback-Leibler divergence test for multivariate extremes: theory and practice
University of Geneva（日内瓦大学）；Laboratoire des Sciences du Climat et de l’Environnement (CNRS)（气候与环境科学实验室（法国国家科学研究中心））
本文提出基于Kullback-Leibler散度的多变量极值检验方法，用于检验极值依赖结构的相等性，并通过模拟和案例研究验证其有效性。
2026-02-02 math.ST stat.AP stat.ME
Conditional Extremes with Graphical Models
Lancaster University（兰卡斯特大学）；Newcastle University（纽卡斯尔大学）
研究多元极端事件概率和幅度，针对经典模型计算成本高及CMEVM半参数推理和高维预测差的问题，提出CMEVM扩展模型及高效推理程序，模拟研究和实际应用验证了模型灵活性和有效性。
2026-07-22 math.ST stat.ME stat.TH
Modelling multivariate extremes through angular-radial decomposition of the density function
提出一种基于密度函数角-径向分解的SPAR模型，用于多元极值建模，该模型将极值建模转化为角度密度和条件径向尾部建模，并证明其比现有方法更通用，且涵盖多种常用方法。
2024-02-12 math.ST stat.ME stat.TH
Deep Learning of Multivariate Extremes via a Geometric Representation
针对现有几何极值推断方法仅适用于低维、假设严格的问题，本文提出新理论结果并首次用深度学习建模极限集，构建灵活的高维极值依赖半参数模型，在北海气象海洋数据上验证了有效性。
2024-09-13 math.ST stat.ME stat.ML
Assessing Extreme Risk using Stochastic Simulation of Extremes
Université Paris Cité（巴黎西岱大学）；CNRS, Laboratoire de Probabilités, Statistique et Modélisation, LPSM（法国国家科学研究中心概率、统计与建模实验室）；Univ Brest（布雷斯特大学）；CNRS UMR 6205, Laboratoire de Mathématiques de Bretagne Atlantique（法国国家科学研究中心大西洋布列塔尼数学实验室）；Sorbonne Université（索邦大学）
本文提出基于多变量极值理论的非参数模拟算法，用于评估极端事件风险，通过随机模拟和广义极值分布提升极值风险估计的准确性。
2024-06-12 stat.ME
Piecewise-linear modeling of multivariate geometric extremes
School of Mathematical Sciences, Lancaster University（兰卡斯特大学数学科学学院）
本文提出一种分段线性半参数规范函数，用于多元几何极值建模，兼具灵活性与计算效率，并扩展了高径向分位数估计工具，在空气污染数据上验证了其对复杂极值依赖结构的建模能力。
2026-10-28 stat.ME
