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
A general adaptive framework for multivariate point null testing
作为完善科学研究的一个常见步骤，研究人员通常对筛选给定的统计假设集感兴趣。例如，他们可能希望确定几个患者特征中的任何一个是否与感兴趣的健康结果相关联。现有的通用方法用于测试多变量假设-例如应用于单个假设检验的多重性校正-可以很容易地应用于各种问题，但在某些情况下可能会受到低功率的影响。量身定制的程序可以通过围绕特定问题的信息来获得更高的功率，但通常不能轻易地适应新的设置。在这项工作中，我们提出了一个通用的框架来测试一个多变量点的原假设，其中的检验统计量是自适应选择，以提供更高的功率。我们提出了理论上的大样本保证我们的测试下固定和本地的替代品。在模拟研究中，我们表明，使用我们的框架创建的测试可以执行，以及量身定制的方法时，后者是可用的，我们说明了我们的程序如何可以用来创建测试中的两个设置中，量身定制的方法是目前不可用。
2022-03-03 stat.ME
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
Multivariate Nonnegative Trigonometric Sums Distributions for High-Dimensional Multivariate Circular Data
本文完善基于非负三角和的多变量循环分布，阐明其边际化、条件化与独立性运算，并提出面向高维数据的拟合优度检验和参数估计算法。
2023-10-02 stat.ME
Efficient inference about the tail weight in multivariate Student $t$ distributions
利用Le Cam方法，提出了多元Student $t$分布尾权参数的一种新的检验方法.我们的测试是渐进的经典似然比检验的效率，但优于后者的灵活性和简单性：事实上，我们的方法允许估计的位置和分散滋扰参数的任何根- $n$相合估计量，从而避免数值上复杂的极大似然估计。在蒙特卡罗模拟研究中分析了我们检验的有限样本性质，并将我们的方法应用于金融数据集。最后，我们指出如何使用这个框架有效的点估计的文件。
2014-04-08 math.ST stat.ME stat.TH
Extremal properties of the multivariate extended skew-normal distribution
偏正态和相关的家庭是灵活的和不对称的参数模型，适用于各种系统的建模。我们证明了高维扩展斜正态随机样本的多元最大值具有渐近独立的分量，并导出了联合尾的收敛速度。为了描述多元最大值的组成部分之间可能的依赖关系，我们表明，在适当的条件下，一个近似的多元极值分布，导致丰富的依赖结构，可以得出。
2018-09-28 stat.ME
On Tail Index Estimation based on Multivariate Data
本文主要研究基于独立同分布的尾部指数估计问题。从标准重尾分布中提取的多变量观测，即其中1-d Pareto样边缘共享相同的尾指数。在较弱的条件下，建立了一个随机向量的多元中心极限定理，该向量的分量对应于共同形状指数α的Hill估计（可能相关）.出于统计分析的极值空间数据，特别是，我们引入的概念（标准）重尾随机场的尾部指数α和显示如何使用这个极限结果，以建立一个估计的α具有小的渐近均方误差，通过适当的凸线性组合的坐标。除了渐近的结果，模拟实验说明的相关性的方法促进。
2014-04-09 math.ST stat.TH
Hypothesis testing for tail dependence parameters on the boundary of the parameter space
多元尾相关建模是极值理论的关键挑战之一。多变量极值通常使用参数模型来表征，其中一些在其参数空间的边界处具有更简单的子模型。假设检验提出了尾部相关参数，在原假设下，在边界上的备择假设。当真参数向量在参数空间的边界上时，给出了加权最小二乘估计量的渐近分布（Einmahl，Kiriliouk和Segers，Extremes 21，第205-233页，2018），并提出了两个检验统计量。针对Brown-Resnick模型和最大线性模型评价这些检验统计量的性能。特别是，模拟表明，它是可能的，以恢复最大线性模型的最佳数量的因素。最后，该方法被应用到两个主要的股票市场指数，DAX和CAC 40的相关结构的特征。
2018-12-14 stat.ME
Testing Multivariate Conditional Independence Using Exchangeable Sampling and Sufficient Statistics
本文提出多元充分统计量条件随机化检验（MS-CRT），通过条件化P(X|Z)的充分统计量生成可交换副本，无需对Y建模即可检验多元条件独立性，并支持错误发现率控制的组选择，在正态和图模型情形下具有理论最优性和实证优越性。
2025-04-09 stat.ME
Flexible Modeling of Multivariate Skewed and Heavy-Tailed Data via a Non-Central Skew t Distribution: Application to Tumor Shape Data
提出多元非中心偏态 t 分布，通过卡方变量缩放偏态正态向量实现灵活建模，推导理论性质并用蒙特卡洛近似进行估计，在乳腺癌肿瘤形状数据上表现优于标准替代模型。
2025-07-14 stat.CO stat.ME
Multivariate regular variation of heavy-tailed Markov chains
已知具有正则变化平稳边缘分布的马尔可夫链的上极值在一般条件下表现出称为尾链的乘法随机游动结构。更一般地，如果允许马尔可夫链从正极端切换到负极端或从负极端切换到正极端，则尾链增量的分布可以取决于前一步上尾链的符号。但即使这样，前向尾链和后向尾链也是通过一种伴随关系相互确定的。因此，有限维分布的马尔可夫链是多元定期变化的方式所确定的来回尾链。应用这一理论，在现值绝对值较大的条件下，给出了随机差分方程解的过去和未来的渐近分布.
2007-01-15 math.PR math.ST stat.TH
Bayesian Multivariate Quantile Regression with alternative Time-varying Volatility Specifications
本文提出一种贝叶斯多元分位数回归方法，通过引入随机波动率和GARCH过程刻画能源大宗商品的时变波动率，并结合分位数评分加权模型组合提升尾部预测性能。
2024-08-07 econ.EM stat.ME
A multivariate piecing-together approach with an application to operational loss data
单变量拼接方法（PT）以连续的方式将单变量广义Pareto分布（GPD）拟合到给定分布函数的上尾。我们提出了一个多元扩展。首先证明了一个任意的Copula是在多元极值分布的吸引区域中当且仅当它的上尾可以近似为一个具有均匀边界的多元GPD的上尾。然后，多元PT由两个步骤组成：给定copula $C$的上尾被切断，并以连续的方式被多元GPD copula取代。结果又是一个copula。另一个步骤是用一个给定的单变量分布函数对这个新的copula的每个边进行变换。这就提供了一个多变量分布函数，它具有规定的边界，其copula在其中心部分与$C$重合，在其上尾与GPD copula重合。当应用于数据时，这种方法还能够在多变量情况下评估基础分布函数的上尾的各种合理方案。我们将这种方法应用于操作损失数据，以评估操作风险的范围。
2012-05-08 math.ST q-fin.RM stat.TH
Estimation of extreme $L^1$-multivariate expectiles with functional covariates
本文研究了极端水平下多元期望值的半参数估计。所考虑的多变量风险度量还包括关于函数协变量的可能条件，该函数协变量属于无限维空间。利用一阶最优性条件最优性条件，我们将这些期望值解释为一个多维非线性最优化问题的解。然后，推理是基于梯度下降型的最小化算法，加上相容核估计我们的关键统计量，如条件分位数，条件尾指数和条件尾依赖函数。该方法适用于等价重尾边缘和多元正则变分条件下的潜在未知随机向量的任意依赖结构。我们的主要结果建立了速度速率的最佳近似解向量的概率的一致性。这使得我们能够根据数据样本量来估计整个过程的全局计算成本。
2023-03-29 math.ST stat.TH
Inference for heavy-tailed data with Gaussian dependence
本文研究具有重尾边缘分布和高斯依赖结构的多变量数据模型，允许边缘具有非相同的尾部行为，提出了边缘尾部指数和高斯相关参数的一致估计量并证明其渐近正态性，通过模拟和真实数据验证了方法有效性。
2023-05-21 math.ST stat.ME stat.TH
Decomposable Tail Graphical Models
我们开发了一个渐近理论的极端可分解的图形模型，提出适用于一系列的极端依赖类型的结果。具体而言，我们调查的弱极限分布的适当规范化的随机向量，条件上的极端组件，其中的条件独立关系的随机向量所描述的弦图。在适当的假设下，对应于弱极限分布的随机向量，称为尾图模型，继承了原弦图的图形结构。我们的理论适用于广泛的可分解的图形模型，包括渐近依赖和渐近独立的图形模型。此外，我们分析了Copula类的组合与不同的极值依赖的情况下，在正常化的条件变量是不保证我们的假设。我们表明，在一个方块图中，与分离器相关的随机变量归一化的随机向量的分布收敛弱分布，我们术语尾噪声。特别地，我们研究了归一化随机向量的极限，其中团分布属于两个广泛使用的copula类，高斯copula和最大稳定copula。
2023-02-10 math.ST stat.ME stat.TH
Empirical tail copulas for functional data
对于最大稳定分布的吸引区域中的多变量分布，尾copula和稳定尾依赖函数是捕获上尾依赖的等价方法。这些函数的经验版本是基于秩的估计，其膨胀的估计误差是已知的弱收敛到一个高斯过程，这是类似的结构的经验copula过程的弱极限。通过建立尾Copula的估计量的渐近正态性，我们将这个多元结果扩展到连续函数数据，均匀分布在最多$D$点（$D$固定）的所有有限子集上。给出了一个检验尾copula平稳性的应用。导出结果的主要工具是所有$D$ -变量尾经验过程的一致渐近正态性。主要结果的证明是不规范的。
2020-10-08 math.ST stat.TH
Finite Mixtures of Multivariate Skew Laplace Distributions
在本文中，我们提出了有限的混合多元斜拉普拉斯分布模型的偏态和重尾的异质数据集。利用EM算法得到了感兴趣参数的极大似然估计。我们给出了一个小的模拟研究和一个真实的数据例子来说明所提出的混合模型的性能。
2017-02-02 math.ST stat.TH
Simulation of Multivariate Extremes: a Wasserstein-Aitchison GAN approach
Institute of Statistics, Biostatistics and Actuarial Sciences, LIDAM, UCLouvain（统计、生物统计与精算科学研究所，LIDAM，UCLouvain）；CREST, ENSAE Paris（ENSAE巴黎CREST）；Department of Mathematical Sciences, Chalmers University of Technology and University of Gothenburg（数学科学系，查尔姆斯理工大学和哥德堡大学）；Department of Mathematics, KU Leuven（数学系，KU莱顿）
本文提出了一种基于Wasserstein-Aitchison GAN的方法，用于模拟多变量极值事件，通过结合尾部依赖结构建模和联合边缘尾部建模，提升了极值风险评估的准确性。
2026-01-12 cs.LG stat.ML
Markov Kernels and the Conditional Extreme Value Model
多元极值建模的经典方法假设联合分布属于多元吸引区域。这就要求每个边缘分布都被一个单变量极值分布所吸引。一个明显更灵活的极值模型的多变量数据提出了Hynnan和Tawn下，不是所有的组件都需要属于一个吸引区域吸引力，而是假设存在一个渐近近似的条件分布的随机向量给定的一个组件是极端的。结合条件分量属于单变量吸引区域的知识，这导致某些风险区域的概率的近似。最初对条件分布的关注有技术上的缺陷，但在某些情况下是自然的。我们把这种方法的背景下，更一般的方法，使用收敛的措施和多元经常变化的锥。
2012-10-10 math.ST stat.TH
Multidimensional extremal dependence coefficients
极值建模吸引了环境、工程或金融等不同领域研究人员的注意。多元极值分布特别适合于模拟多维现象的尾部。分析多变量极大值之间的相关性有助于风险评估。在这里，我们提出了新的多元极值模型，以及系数，以评估多元极值依赖。
2017-01-13 math.ST stat.TH
Products in Conditional Extreme Value Model
经典的多变量极值理论试图在多变量吸引区域条件下捕捉各分量之间的极值依赖关系，它要求每个分量也在单变量极值分布吸引区域中。多元极值（MEV）模型有着丰富的理论基础，但在渐近独立的情况下，MEV模型无法捕捉到相关结构，存在一定的局限性。Hynnan和Tawn（2004年）给出了一种不同的MEV方法，他们通过将其中一个分量作为极端条件来检查MEV分布。在这里，我们假设一个组件是在Frechét或威布尔吸引区域力和研究的产品的组件下的条件极值模型的行为。
2011-04-12 math.PR math.ST stat.TH
Estimating the Hüsler--Reiss variogram matrix by clipped moments
Chongqing University of Posts and Telecommunications（重庆邮电大学）；KU Leuven（荷语鲁汶大学）；UCLouvain（法语鲁汶大学）
研究多元极值分析中因变量尾部相关性弱导致估计偏差的问题，提出基于许斯勒 - 赖斯模型的截尾矩估计量，证明其渐近正态性，模拟和实际数据应用表明该估计量在某些情况下偏差更小且拟合尾部相关结构更优。
2026-07-23 math.ST stat.TH
Asymptotic properties of the maximum likelihood estimator for multivariate extreme value distributions
最大稳定分布和过程是极端事件和尾部风险评估的重要模型。参数最大稳定分布的完整多元似然性很复杂，只有最近的进展才能使用它。最大似然估计在多变量极值中的渐近性质大多是未知的。本文给出了保证估计量渐近正态性的最大稳定分布的指数函数和角测度的自然条件。我们证明了这一结果的有效性，将其应用到流行的参数模型在多元极值统计和最常用的家庭的空间最大稳定的过程。
2017-08-07 math.ST stat.TH
Minimax bounds for estimating multivariate Gaussian location mixtures
我们证明了极小极大界估计高斯位置混合$\mathbb{R}^d$下的平方$L^2$和平方Hellinger损失函数。在平方$L^2$损失下，证明了极大极小化率的上下界为$n^{-1}(\log n)^{d/2}$的常数倍.在平方Hellinger损失下，我们考虑基于混合测度尾部行为的两个子类。当混合测度具有亚高斯尾部时，平方Hellinger损失下的极大极小化率由$(\log n)^{d}/n$从下到上有界。另一方面，当仅假设混合测度对于固定的$p > 0$具有有界$p^{\text{th}}$矩时，平方Hellinger损失下的极大极小化率由$n^{-p/(p+d)}(\log n)^{-3d/2}$自下而上有界。这些利率是最小最大最优的对数因子。
2021-05-19 math.ST stat.TH
Multivariate Confluent Hypergeometric Covariance Functions with Simultaneous Flexibility over Smoothness and Tail Decay
本文提出基于多元混合的合流超几何（CH）交叉协方差函数构建技术，解决了多元随机场建模中参数空间限制复杂的问题，新模型同时具备灵活的平滑度与尾部衰减特性，在缓慢衰减相关性下优于Matérn模型并有效应用于海洋数据。
2025-03-06 stat.ME
Gaussian Process Vine Copulas for Multivariate Dependence
Copula允许学习边缘分布独立于多元依赖结构（copula），多元依赖结构将它们连接到一个密度函数中。藤因子分解通过构造条件二元copula的层次结构来简化高维copula的学习。然而，为了简化推理，通常假设这些条件二元Copula中的每一个都独立于其条件变量。在本文中，我们放松了这一假设，发现潜在的功能，指定的形状的条件Copula给定其条件变量我们学习这些功能的贝叶斯方法的基础上稀疏高斯过程的期望传播可扩展的，近似的推理。在真实世界数据集上的实验表明，当对所有条件依赖进行建模时，我们可以更好地估计数据的底层copula。
2013-02-16 stat.ME stat.ML
Multivariate Markov-Switching models and tail risk interdependence
马尔可夫转换模型通常用于分析财务回报，因为它们能够捕捉经常观察到的程式化事实。在本文中，我们认为一个多变量的学生t版本的模型作为一个可行的替代通常的多元高斯分布，提供了一个自然的强大的扩展，占重尾和随时间变化的非线性相关性。此外，这些建模假设使我们能够捕捉极端的尾部联动，这对于评估极端事件（如金融危机）期间资产回报的潜在依赖结构至关重要。对于所考虑的模型，我们提供了新的风险相互依存的措施，概括现有的，如条件风险价值（CoVaR）。建议的措施旨在捕捉多个相关市场参与者之间的相互联系，这在危机期间尤其重要，因为多个机构可能同时经历困境。这些措施是分析评估的预测分布的模式，以提供一个前瞻性的风险量化。一组美国银行的应用程序被认为是表明，正确的规格的模型条件分布随着多个风险的相互依赖性措施可能有助于更好地了解如何在机构之间的整体风险分担。
2014-03-02 stat.ME
A Proxy-likelihood Estimator for Multivariate Extremes Models with Intractable Likelihoods
University of Massachusetts Amherst（阿默斯特马萨诸塞大学）；Colorado State University（科罗拉多州立大学）
针对似然不可处理的多元极值模型，提出基于尾部成对依赖性的代理似然估计器，采用Hüsler-Reiss分布，在TLETS模型上优于现有方法，并应用于野火天气数据。
2026-09-25 stat.ME
Directional variograms for multivariate extremes
University of Geneva（日内瓦大学）；University of Twente（特温特大学）；KU Leuven and UCLouvain（鲁汶大学和法语鲁汶大学）
研究多元广义帕累托分布，通过将多元广义帕累托随机向量Y限制在任意半空间来推广现有推断方法，引入v-变差函数，建立分解关系，得出相关随机变量结果，并在模拟研究中展示了方向选择对偏差-方差权衡的影响。
2026-07-07 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
Causal tail coefficient for compound extremes in multivariate time series
本文提出复合因果尾部系数及bootstrap检验框架，用于检测多元时间序列中复合极端事件之间的因果关系，可处理非线性与潜在混杂变量，并通过理论、模拟和空间天气数据验证其有效性。
2025-09-23 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
Clustering using skewed multivariate heavy tailed distributions with flexible tail behaviour
位置和尺度混合高斯族具有产生许多灵活分布形式的能力。它嵌套的特殊情况下，几个重要的非对称分布，如广义双曲分布。广义双曲分布又嵌套了许多其他众所周知的分布，例如正态逆高斯分布（NIG），其实际相关性已在文献中广泛记录。在多变量环境中，我们建议将标准位置和尺度混合概念扩展到所谓的多尺度框架中，该框架具有允许在变量空间的每个维度中具有任意维度之间的相关性的不同尾部和偏斜行为的优点。通过期望最大化算法提供参数估计，特别关注NIG分布。推理，然后扩展到覆盖的情况下，这样的多个缩放分布的混合物应用聚类。对模拟数据和实际数据的评估证实，在模拟不同尾翼行为和方向形状的数据时，自由度和灵活性有所增加。
2014-08-01 stat.AP stat.ME
Statistics of multivariate extremes under random censoring
University of Copenhagen（哥本哈根大学）
本文提出在随机右删失下估计多元极值尾部依赖性的方向Kaplan-Meier估计器，无需多元生存函数，证明其一致性和弱收敛，并应用于洪水保险数据。
2026-09-30 stat.ME
Projection Diagnostics for Directional Asymmetry and Tail-Ratio Departure in Multivariate Data
Indian Institute of Management Indore（印度管理学院印多尔校区）；Indian Institute of Management Bangalore（印度管理学院班加罗尔校区）
提出基于投影的诊断方法，通过方向偏度与分位数尾部比率将数据分类为四种模式，避免高阶矩的不稳定性，并建立理论性质。
2026-06-02 math.ST stat.ME stat.TH
The multivariate tail-inflated normal distribution and its application in finance
本文介绍了多元尾膨胀正态分布（MTIN），它是多元正态分布（MN）的椭圆重尾推广。MTIN属于MN尺度混合物族，通过选择方便的连续均匀作为混合分布。此外，它有一个封闭形式的概率密度函数，其特征在于只有一个额外的“通货膨胀”参数，相对于嵌套MN，管理的尾部重量。前四个时刻也计算;有趣的是，它们总是存在的，超额峰度可以假设任何正值。估计采用矩量法和极大似然法。至于后者，一个直接的方法，以及一个变种的期望最大化算法，说明。最大似然估计的存在性也进行了评估。由于膨胀参数是从数据中估计的，因此通过降权自动获得嵌套MN分布的均值向量和协方差阵的稳健估计。仿真进行比较的估计方法/算法，并调查的能力，AIC和BIC选择一组候选椭圆模型。为了说明的目的，MTIN分布最后拟合到多元金融数据，其有用性也显示在与其他公认的多元椭圆分布的比较。
2020-06-22 stat.AP stat.CO stat.ME
Wilcoxon-type Multivariate Cluster Elastic Net
提出一种基于Wilcoxon型回归与k-means聚类弹性网的高维多元回归方法，能在重尾或异常值误差下保持稳健性，同时实现回归估计与变量选择，并在模拟和乳腺癌基因数据中验证了其有效性。
2025-03-04 stat.ME
Estimating probabilities of multivariate failure sets based on pairwise tail dependence coefficients
LIDAM/ISBA UCLouvain（卢旺大学 LIDAM/ISBA）
针对金融和气候科学等领域中估计多风险因素极端事件概率的难题，本文提出基于尾部成对相依矩阵信息的参数方法，通过有效算法获得近似分解，构建最大线性模型来估计失效概率，并经实际数据集验证其在风险评估中的实用性。
2026-07-13 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
Mixtures of Multivariate Power Exponential Distributions
引入了多元幂指数分布混合分布的扩展族。虽然拟合重尾和偏度最近在基于模型的聚类文献中受到了广泛关注，但我们研究了可以处理不同尾重和峰值数据的分布的使用。一个家庭的简约模型，提出了使用特征分解的尺度矩阵。提出了一种广义的期望最大化算法，该算法结合了基于最小化-最大化方法的凸优化和基于Stiefel流形上加速线搜索算法的优化.最后，使用玩具和基准数据说明了这一系列模型的实用性。
2015-06-12 stat.CO 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
A Geometric Witness Framework for Signed Multivariate Tail-Dependence Compatibility: Asymptotic Structure and Finite-Threshold Synthesis
本文提出了一种几何见证框架，用于研究有符号多元尾部依赖兼容性，通过几何见证表示法分析尾部依赖结构，并在有限阈值下实现兼容性。
2026-04-27 math.PR math.ST q-fin.RM
GPDFlow: Generative Multivariate Threshold Exceedance Modeling via Normalizing Flows
本文提出 GPDFlow，利用归一化流灵活建模 mGPD 的多元阈值超越依赖结构，支持边际尾部推断并推导多种尾部依赖系数，模拟与美国五大银行风险应用显示其优于传统参数方法。
2025-03-14 stat.ME stat.ML
Standardization of multivariate Gaussian mixture models and background adjustment of PET images in brain oncology
在脑肿瘤学中，根据治疗前和治疗后正电子发射断层扫描（PET）之间的差异来评估疾病的进展或缓解是常规的。背景校正是必要的，以减少与疾病无关的组织依赖性变化的混杂。当将两个扫描的体素强度建模为双变量高斯混合时，背景调整转化为标准化每个体素处的混合，而肿瘤病变本身呈现为待检测的离群值。在本文中，我们解决了如何将混合物标准化为标准多元正态分布的问题，以便离群值（即，肿瘤病变）可以使用统计检验来检测。我们从理论上和数值上表明，尾部分布的标准化分数是有利的接近标准正态分布在广泛的情况下，而保守的尾巴，验证体素假设检验的基础上标准化分数。为了解决空间异构图像数据的标准化，我们提出了一个空间和强大的多元期望最大化（EM）算法，其中先验类成员资格概率提供的空间概率模板图的变换和类的均值和协方差的估计是强大的离群值。在单变量和双变量情况下的模拟表明，软分配的标准化分数具有非常接近或比标准正态更保守的尾部概率。所提出的方法被应用到一个真正的数据集从PET幻影实验，但他们是通用的，可以在其他情况下使用。
2018-02-13 stat.AP stat.ME
The kurtosis of normal variance-mean mixtures
Lund University（隆德大学）
本文通过四累积量表示研究多元正态方差-均值混合的峰度，得到显式表达式，揭示其方向性、混合方向-协方差和协方差配对成分，并应用于非高斯性诊断、主导尾方向分析和尾事件检测。
2026-06-23 stat.AP 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
