Generalized Pickands constants and stationary max-stable processes
Pickands常数在高斯过程的渐近理论中起着至关重要的作用。它们通常被定义为包含分数布朗运动的期望序列的极限,因此,它们的确切值通常是未知的。最近,Dieker和Yakir(2014)推导出了Pickands常数的一种新表示,即不涉及极限运算的简单期望值。本文证明了Pickands常数及其相应的Dieker-Yakir表示的概念可以推广到一大类随机过程,包括一般的高斯过程和Lévy过程。此外,我们提供了一个链接到空间极值理论,并表明,皮卡德型常数相吻合的最大稳定的过程与混合移动最大值表示的研究中产生的某些常数。
2016-02-04 math.PR
On generalized max-linear models and their statistical interpolation
通过推广\citet{wansto11}建立的\emph{max-linear model},提出了一种从$\mathbb R^d$中的最大稳定随机向量生成$C[0,1]$中的最大稳定过程的方法.证明了当随机向量服从某个初始极大稳定过程的有限维分布时,逼近过程一致收敛于原过程,且逐点均方误差可用封闭形式表示.所得结果可推广到广义Pareto过程的情形。所介绍的方法,使重建的初始过程只从一个有限集的观察点,因此,合理的预测空间中的最大稳定过程成为可能。概述了任意维度的可能扩展。
2014-06-05 math.PR
On the Association of Sum- and Max- Stable Processes
我们从线性和最大线性等距的角度讨论了和稳定过程和最大稳定过程的关联概念。我们建立了吸引人的结果,这两类等距可以确定在适当的空间(扩展的正比空间)。这就产生了一种自然的方式来将任何最大稳定过程与和稳定过程相关联。通过使用这种关联,我们建立了结构和分类结果的总和和最大稳定过程之间的联系。
2009-10-12 math.PR
On some extensions of generalized counting processes
Faculty of Mechanics and Mathematics, Taras Shevchenko National University of Kyiv(基辅塔拉斯舍甫琴科国立大学力学与数学系)
本文研究了泊松过程和广义计数过程的分数扩展,通过引入由稳定分布和温度稳定子ordinator求和的逆变换时间变化,推导了概率分布和生成函数的控制方程,并给出了几种模型的概率分布和生成函数的闭式表达。
2026-04-01 math.PR
Conditional independence among max-stable laws
设$X$是具有正连续密度的最大稳定随机向量。证明了$X$的不相交子向量的条件独立性意味着它们的联合独立性。我们的结论是,一个广泛的一类听话的最大稳定模型不能表现出一个有趣的马尔可夫结构。
2015-09-17 math.PR
Stationary max-stable processes with the Markov property
证明了满足马尔可夫性的离散平稳极大稳定过程类在时间反演之前等价于$1$阶的平稳极大自回归过程类.对于连续时间过程,也证明了类似的陈述。
2013-11-12 math.PR
On the Normalized Spectral Representation of Max-Stable Processes on a Compact Set
紧集上极大稳定过程的归一化谱表示是所有谱函数共享同一上确界的唯一表示。在一类过程的等价谱表示中,归一化谱表示作为两个最优化问题的解决方案在高效模拟最大稳定过程的背景下起着独特的作用。我们的方法有可能大大减少最大稳定过程的模拟时间。
2013-10-07 math.PR
Equivalent Representations of Max-Stable Processes via $\ell^p$ Norms
虽然最大稳定过程通常被写为无穷多个随机过程上的逐点最大值,但在本文中,我们考虑了一个基于$\ell^p$范数的表示族。这个族包括Reich-Shaby模型的构造和de Haan的经典谱表示作为特例。由于极大稳定过程的表示不是唯一的,我们给出了在不同等价表示之间切换的公式。我们进一步提供了一个充要条件存在的$\ell^p$规范为基础的表示的稳定的尾部依赖函数的最大稳定过程。最后,我们讨论了几个性质的代表过程,如遍历性或混合。
2017-07-10 math.PR
On the Structure and Representations of Max--Stable Processes
我们开发的最大-稳定过程的分类结果,根据他们的谱表示。最大线性等距和最小谱表示的结构起着重要的作用。基于共谱函数的概念,提出了可测极大稳定过程的一般分类策略。特别是,我们讨论了谱连续-离散,保守-耗散,和积极-零分解。对于平稳极大稳定过程,后两个分解产生于与非奇异流的连接,并且与平稳和稳定过程的分类密切相关。最大稳定过程的分解之间的相互作用进行了进一步探讨。作为一个例子,Brown-Resnick平稳过程,由分数布朗运动,被证明是耗散的。得到了一般高斯过程具有平稳增量和连续路径的一个结果。
2009-09-18 math.PR
Fitting Generalized Tempered Stable distribution: Fractional Fourier Transform (FRFT) Approach
本文研究了丰富的广义回火稳定分布(正态分布的替代方案)和用于对资产回报率和许多物理和经济系统建模的$α$-稳定分布。首先,我们探讨了广义回火稳定(GTS)分布的一些重要性质。开发的理论工具被用来进行实证分析。GTS分布使用标准普尔500,SPY ETF和比特币BTC拟合。分数傅里叶变换(FRFT)技术评估概率密度函数及其导数的最大似然过程。基于统计推断的结果和Kolmogorov-Smirnov(K-S)拟合优度,GTS分布拟合SPY ETF回报的基础分布。比特币BTC回报率的右侧和标准普尔500回报率基础分布的左侧符合回火稳定分布;而比特币BTC回报率的左侧和标准普尔500回报率基础分布的右侧由复合泊松过程建模。
2022-06-04 math.PR q-fin.ST
Convex geometry of max-stable distributions
证明了$[0,\infty)^d$中具有单位Fréchet边缘的最大稳定随机向量与$[0,\infty)^d$中的凸集$K$一一对应,称之为最大稳定集.的最大-zeros可以被描述为集作为交叉多面体的闵可夫斯基和的限制,或者,作为随机交叉多面体的选择期望,其分布由最大稳定随机向量的谱测度控制。此外,具有单位Fréchet边缘的最大稳定随机向量$ξ$的累积分布函数$\Prob{ξ\leq x}$由$x$的逆的范数确定,其中所有可能的范数由max-zerk的支撑函数给出。作为一个应用,几何解释的一些著名的概念,从多元极值理论和Copula提供。凸几何方法使得引入具有最大稳定随机向量的新运算成为可能。
2007-10-29 math.PR
Representations of Max-Stable Processes via Exponential Tilting
最近的贡献Dieker & Mikosch(2015)[1]获得了最大稳定平稳Brown-Resnick随机场$ζ_Z$的重要表示,其谱表示由高斯过程$Z$确定。从\cite{DM}的动机,我们得到了一些一般的$Z$,表示为$ζ_Z$通过指数倾斜的$Z$。我们的主要发现涉及a)最大稳定过程的Dieker-Mikosch表示,b)平稳最大稳定过程的双边扩展,c)任意最大稳定分布的inf-argmax表示,d)广义Pickands常数的新公式.我们的应用包括新的条件平稳的$ζ_Z$,高斯随机向量的表征和另一种证明Kabluchko的表征高斯过程与平稳增量。
2017-06-10 math.PR
On the Multivariate Generalized Counting Process and its Time-Changed Variants
Indian Institute of Technology Bhilai(印度理工学院比莱分校)
本文提出多元广义计数过程及其经稳定、gamma等从属子时间变换的变体,推导其分布、Lévy测度与协方差等性质,并展示其在冲击模型中的应用。
2024-08-03 math.PR
Systematic co-occurrence of tail correlation functions among max-stable processes
尾部相关函数(TCF)是最流行的二元极值相关测度之一,以各种名称进入文献。我们研究在何种程度上的TCF可以区分不同类别的著名的最大稳定的过程,并确定本质上不同的进程共享相同的TCF。
2014-02-19 math.PR
Implicit max-stable extremal integrals
近年来,隐极值分布的概念已经建立,它是基于一个给定的损失函数$f \ge 0$。从应用的观点来看,人们对相对于$f$发生的极端损失事件比对相应的极值本身更感兴趣。在这种情况下,出现了所谓的$f$ -隐式$α$ -Fréchet max-稳定分布,并已被用于构造具有这种裕度的独立分散的子测度。本文通过建立确定性函数$g\ge 0$关于隐式最大稳定超测度的随机积分,解决了文献[7]中的一个公开问题.由此产生的理论涵盖了最大稳定极值积分的构造(见[14]),同时揭示了惊人的相似之处。
2019-08-19 math.PR
European Option Pricing Under Generalized Tempered Stable Process: Empirical Analysis
本文将GTS分布用于S&P 500指数收益并结合Esscher变换、扩展BS公式及两种数值算法进行欧式期权定价,发现GTS能修正BS在NTM和ITM期权上的低估。
2025-02-20 math.PR q-fin.PR
Malliavin-based Multilevel Monte Carlo Estimators for Densities of Max-stable Processes
本文对由高斯过程产生的极大稳定场的多元密度引入了一类无偏蒙特卡罗估计。我们的估计利用最近的结果,最大稳定领域的精确模拟与Malliavin演算文献和思想的多层蒙特卡罗文献中研究的身份相结合。我们的方法允许估计多变量密度的最大稳定领域的精度$\varepsilon $在计算成本为$O\left( \varepsilon ^{-2}\log \log \log \left( 1/\varepsilon \right) \right) $。
2017-02-27 math.PR stat.CO
Generalized 3G theorem and application to relativistic stable process on non-smooth open sets
设G(x,y)和GD(x,y)分别是R^d和开集D中旋转不变对称α-稳定过程的格林函数,其中0<α< 2.不等式G_D(x,y)G_D(y,z)/G_D(x,z)\le c(G(x,y)+G(y,z))是研究(局部)Schrodinger算子的一个非常有用的工具。当上述不等式成立且常数c=c(D)>0时,我们说3G定理在D中成立。当D是包含有界John整环的有界κ-胖开集时,本文建立了3G定理的一个推广.我们所考虑的3G具有G_D(x,y)G_D(z,w)/G_D(x,w)的形式,其中y可以不同于z。当y=z时,我们恢复通常的3G。在非定域Schrodinger算子理论中出现了3G形式G_D(x,y)G_D(z,w)/G_D(x,w)。利用推广的3G定理,我们给出了一类具体的函数,它们属于Chen和Song在κ-fat开集上引入的非局部Kato类.作为应用,我们讨论了κ-fat开集上的相对论性α-稳定过程(α=1时的相对论性Hamilton).证明了相对论性α-稳定过程在κ-fat开集上的Martin边界和极小Martin边界与欧氏边界.进一步证明了相对Fatou型定理对κ-fat开集上的相对论稳定过程成立.本文的主要结果适用于一大类对称马尔可夫过程,如本文的最后一节所示。我们还讨论了一大类对称稳定Levy过程的广义3G定理。
2006-09-19 math-ph math.MP math.PR
Max-stable models for multivariate extremes
多变量极值分析关注的是多变量随机样本中的极值,也就是说,其中至少一些分量具有异常大的值的点。数学理论建议对单变量和多变量极值使用最大稳定模型。一个全面的帐户给出的各种方式,其中最大稳定模型的描述。此外,还提出了一种构造最大稳定分布参数族的方法。虽然该装置并不新,但其作为模型生成器的作用似乎尚未得到充分利用。
2012-04-02 math.PR stat.ME
Conditionally Max-stable Random Fields based on log Gaussian Cox Processes
在最大稳定过程的最大吸引区域中引入了一类空间随机过程。新的类是基于Cox过程,并包括模型与短程依赖。我们表明,统计推断是可能的,在给定的框架内,至少在一些合理的限制。
2016-12-14 math.PR stat.ME
Spatial Risk Measure for Max-Stable and Max-Mixture Processes
本文考虑了各向同性平稳最大稳定过程、逆最大稳定过程和最大混合过程$X=(X(s))\_{s\in\bR^2}$以及具有$0<ν<1/2$的损伤函数$\cD\_X^ν= |X|^ν$.我们研究了风险度量的定量行为,该风险度量是区域$\mathcal{A}\subset \bR^2$上$\cD\_X^ν$平均值的方差。这种风险度量在\cite{koch2015spatial}中已经被引入并研究了\vero{some}极大稳定过程。% \textcolor{red}{In this study, we generalised this risk measure to be applicable for several models: asymptotic dependence represented by max-stable, asymptotic independence represented by inverse max-stable and mixing between of them.}我们通过模拟研究评估了建议的风险度量。
2017-06-26 math.PR math.ST stat.TH
Conditional Sampling for Spectrally Discrete Max-Stable Random Fields
最大稳定随机场在模拟极值现象中起着核心作用。本文给出了一般极大线性模型条件概率的一个显式公式,其中包含了一大类极大稳定随机场。因此,我们开发了一个算法,从条件分布的有效和准确的采样。我们的方法提供了一个计算解决方案的预测问题的谱离散最大稳定随机场。这项工作提供了新的工具和一个新的视角,许多统计推断问题的空间极端,出现,例如,在气象学,地质学和环境应用。
2010-11-25 math.PR stat.CO
Multivariate Max-Stable Processes and Homogeneous Functionals
多变量最大稳定过程对于理论研究和各种统计应用都很重要,因为这些过程是极限过程,例如平稳多变量规则变化的时间序列,[1]。本文研究了齐次泛函与多元极大稳定过程之间的关系,讨论了多元极大稳定过程与zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-zero-我们说明我们的结果考虑布朗-Resnick和史密斯过程。
2021-02-12 math.PR math.ST stat.TH
Fitting the seven-parameter Generalized Tempered Stable distribution to the financial data
针对GTS分布概率密度无显式表达式导致MLE参数估计失效的问题,本文基于FRFT提出七参数GTS分布金融数据拟合方法,在四类资产收益率数据上验证其拟合效果显著优于多种同类分布。
2025-01-12 math.PR q-fin.ST
On convergence of entropy of distribution functions in the max domain of attraction of max stable laws
最大稳定律是独立同分布随机变量(RVS)的线性归一化部分最大值的极限律。这些类似于稳定的法律,这是限制法律规范化部分和的iid rvs。本文研究了最大稳定律的最大吸引区域中分布函数在线性正规化下的熵极限定理。更具体地说,我们研究的问题的香农熵的线性归一化的部分最大值的iid rvs的收敛到相应的极限熵时,线性归一化的部分最大值收敛到一些非退化rv。我们能够证明,香农熵不仅收敛,但事实上,在某些情况下,增加到极限熵。我们讨论几个例子。我们还研究了第k个上限的类似结果。
2014-02-03 math.PR math.ST stat.TH
Estimation of Parameters of Stable Distributions
本文提出了一种基于广义矩量法(GMM)的稳定分布参数估计方法,并利用$0<α<2$估计稳定分布参数。我们不假设稳定分布是对称的。
2006-11-19 math.PR math.ST stat.TH
Extension of Mikhlin Multiplier Theorem to Fractional Derivatives and Stable Processes
本文证明了一个新的推广的Mikhlin乘子定理,并给出了它对于两个不同积分区间的积分形式的分数阶导数的条件。讨论了分数阶导数与稳定过程之间的关系,并在对称稳定过程的无穷小生成元所给出的条件下证明了Mikhlin定理的一个版本。本文证明了经典的Mikhlin定理是这个新的推广形式的一个推论。
2018-06-26 math.AP math.CA math.FA
Max-stable processes and the functional D-norm revisited
Aulbach等人(2013)基于泛函分布函数,介绍了C[0,1]中极值理论的最吸引区域方法,该方法比de Haan和Lin(2001)中基于弱收敛的方法更通用。我们通过将一个过程分解为它的单变量边际和它的copula过程来刻画这种新方法。特别是,这些过程的多项式收敛速率的最大稳定过程被认为是。进一步研究了极大稳定过程分布的可微性概念。
2014-12-11 math.PR math.ST stat.TH