High-Dimensional Extreme Quantile Regression
本文针对高维协变量场景提出新的极端条件分位数估计方法，建立了渐近性质，并通过模拟和汽车保险数据验证了其在极端索赔估计与变量选择上的有效性。
2024-11-21 stat.ME
A simulation study comparing statistical approaches for estimating extreme quantile regression with an application to forecasting of fire risk
本研究通过模拟框架比较了多种极值分位数回归估计方法在火灾风险预测中的表现，发现最高气温与火灾频率正相关，并提出混合策略以提升极端事件预测的准确性与可解释性。
2025-06-29 stat.ME
Causal Inference for Heterogeneous Extreme Quantiles with Heavy-Tailed Outcomes
Nanjing University of Information Science and Technology（南京信息工程大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；Rice University（莱斯大学）；Beijing Normal-Hong Kong Baptist University（北京师范大学-香港浸会大学联合国际学院）；School of Statistics, East China Normal University（华东师范大学统计学院）
该研究针对重尾结果的观察性研究，提出结合IPW分位数回归与极值理论的框架估计CEQTEs，建立相关理论并通过模拟和NLSY79数据验证了方法的有效性。
2026-09-04 stat.ME
Estimation of Extreme Quantiles for Functions of Dependent Random Variables
本文提出了一种估计多个相依随机变量函数极值分位数的新方法。与基于极值理论的传统方法相比，我们不施加条件，即底层分布的尾部允许近似的参数形式，而且，我们的估计利用了完整的观测数据。所提出的方法是半参数的，因为没有参数的形式假定所有的边缘分布。但是我们利用最近在构造高维藤连接函数方面的发展，选择合适的二元连接函数来模拟联合依赖结构。因此，从拟合的联合分布中抽取一个大的自助样本得到的样本分位数被用作极值分位数的估计量。证明了该估计量是相容的。仿真结果进一步说明了该方法的可靠性和鲁棒性。
2013-11-21 stat.ME
Tail-Calibrated Estimation of Extreme Quantile Treatment Effects
School of Mathematics and Statistics, University of Glasgow（格拉斯哥大学数学与统计学院）
本文提出TIEE框架，结合不同分位数信息，利用极值模型校准尾部，解决极值分位数处理效应估计中的数据稀疏问题，通过模拟和实证研究展示其在极端降水中的应用价值。
2026-03-24 stat.ME
Sequential Quantile Prediction of Time Series
受广泛的潜在应用的启发，我们解决了实值时间序列的分位数预测问题。我们提出了一个序贯分位数预测模型的基础上组合的一组基本最近邻型预测称为“专家”，并显示其一致性的最低条件下。我们的方法建立在近年来开发的方法预测的个别序列，并利用分位数结构作为一个最小的所谓的弹球损失函数。我们对真实世界的数据集进行了深入的分析，并表明这种非参数策略通常优于标准分位数预测方法
2010-05-31 math.ST stat.ME stat.TH
Multi-Quantile Estimators for the parameters of Generalized Extreme Value distribution
本文提出多分位数估计量用于广义极值分布参数估计，其渐近正态且一致，方差随分位数增加而减小，可接近Cramér-Rao下界，为极值建模提供灵活高效方案。
2025-02-27 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
Existence and consistency of weighted maximum likelihood estimator for extreme quantile regression
针对极端条件分位数估计中的非线性与尾部外推难题，本文结合块最大值理论与广义随机森林，提出加权最大似然估计法，并证明其存在性与一致性，在模拟和股票投资组合损失数据上验证了有效性。
2026-10-07 stat.ME
Tail Risk Equivalent Level Transition and Its Application for Estimating Extreme $L_p$-quantiles
针对$L_p$-分位数尾部风险转换机制不明的问题，本文提出尾部风险等价水平转换（TRELT）概念，推导其存在性、唯一性与渐近性质，基于该转换提出极端$L_p$-分位数的新外推估计方法，并通过模拟和真实数据验证了方法的有效性。
2024-12-13 stat.ME
Causal Analysis at Extreme Quantiles with Application to London Traffic Flow Data
提出一种结合重尾特征估计极端尾部处理效应的新方法，应用于伦敦交通数据，发现Cycle Superhighways运营后极端交通流量显著增加。
2023-08-07 stat.ME
Improving precipitation forecasts using extreme quantile regression
针对极端降水预报分位数的估计问题，提出了一种极值指标为常数的非参数回归模型。利用局部线性分位数回归和极值理论的外推技术，我们发展了一个估计的条件分位数对应于极高的概率水平。我们建立了估计的一致相合性和渐近正态性。在模拟研究中，我们研究我们的估计有限样本的性能相比，假设线性分位数的方法。在荷兰的降水数据集，这些估计有更大的预测技能相比，集合预报的数值天气预报模型提供的上部成员。
2019-03-05 stat.AP stat.ME
Asymptotic Anytime-Valid Quantile Inference under Local Differential Privacy
Tsinghua University（清华大学）；Shanghai University of Finance and Economics（上海财经大学）
针对局部差分隐私下顺序分位数推断的难题，提出结合随机化响应与动态链式并行随机梯度下降的在线方法，实现渐近任意时刻有效的置信序列与最佳臂识别。
2026-09-21 stat.ME
Extremal Random Forests
本文提出极值随机森林 ERF，结合分位数随机森林权重、局部广义 Pareto 似然与形状参数惩罚，实现高维复杂情形下的极端分位数外推回归，并证明一致性、验证其性能优势。
2024-01-22 stat.ME
Quantile-based bias correction and uncertainty quantification of extreme event attribution statements
极端事件归因描述了人为气候变化如何影响某些个别极端天气和气候事件的概率和规模。归因陈述通常涉及归因风险分数（FAR）或风险比（RR）以及相关的置信区间的量化。许多此类分析使用气候模式输出来描述有或没有人为影响的极端事件行为。然而，这种气候模式在描述极端事件时可能存在偏差。为了解释观测数据集和模型数据集之间极端事件概率的差异，我们根据数据集的分位数对模型输出进行了适当的重新缩放，以估计调整后的风险比。我们的方法考虑了风险比率估计中的各种不确定性。特别是，我们提出了一种方法来构建一个单侧置信区间的风险比的下限时，估计的风险比是无穷大。我们使用2011年夏季美国中部的热浪和社区地球系统模型的输出来演示该方法。在这个例子中，我们发现风险比的下限对实际事件的大小和概率相对不敏感。
2016-02-12 stat.ME
Hydrological post-processing for predicting extreme quantiles
利用分位数回归算法进行水文后处理是评估水文预报不确定性的主要手段。尽管如此，传统的大样本理论的分位数回归不适用于足够远的尾部的概率分布的因变量。为了克服这一局限性，可能是至关重要的，当利益在于洪水事件，水文后处理，通过极值分位数回归在这里介绍了水文模型的响应估计的极端分位数。总之，新的水文后处理方法利用极值理论的Hill估计量的性质来外推分位数回归的预测到高分位数。作为一个概念的证明，新方法在这里进行测试，在处理后的每日径流模拟提供了三个基于过程的水文模型为180个流域在美国（CONUS），并进一步比较传统的分位数回归。通过这种大规模的比较，证明了与使用极值分位数回归的水文后处理相比，使用传统分位数回归的水文后处理严重低估了高分位数（在分位数水平0.9999），尽管这两种方法在较低分位数（在分位数水平0.9700）是等效的。此外，研究表明，在相同的背景下，极端分位数回归估计高预测分位数的效率平均而言在三个基于过程的水文模型的大样本研究中是等效的。
2023-01-11 physics.ao-ph stat.ME
Functional nonparametric estimation of conditional extreme quantiles
当函数协变量信息可用时，以及当分位数的阶数随着样本量的增加而收敛到1时，我们讨论了重尾分布分位数的估计。这样的“极端”分位数可以位于数据的范围内，或者接近甚至超出样本的边界，这取决于它们的阶数收敛到1的收敛速度。引入了这些泛函极值分位数的非参数估计，建立了它们的渐近分布，并研究了它们的有限样本行为。
2011-04-01 math.ST stat.ME stat.TH
Inference on Extreme Quantiles of Unobserved Individual Heterogeneity
Universität Bonn, Institute of Finance and Statistics（波恩大学金融与统计学院）
本文提出了一种在面板数据和元分析中对未观测个体异质性极值分位数进行推断的方法，通过极值定理和中间顺序定理构建了优化-free置信区间，并通过企业生产力差异的应用验证了方法的有效性。
2025-06-02 econ.EM stat.ME
Factorized Tail Volatility Model: Augmenting Excess-over-Threshold Method for High-Dimensional Hevay-Tailed Data
本文提出FTVM-EoT方法，通过因子化尾部波动率模型结合超阈值方法，联合建模高维数据的中心、中间和极值分位数，并开发迭代估计算法，有效提升了高维重尾数据的尾部风险分析性能。
2025-06-01 stat.ME
Extreme Quantile Treatment Effects under Endogeneity: Evaluating Policy Effects for the Most Vulnerable Individuals
本文提出一种在内生性下估计极端分位数处理效应的新方法，利用正则变化和子抽样保证极端尾部稳健推断，并应用于JTPA职业培训数据，发现最弱势个体的培训效果显著为负。
2024-09-06 econ.EM stat.ME
Estimation of Multiple Quantiles in Dynamically Varying Data Streams
在本文中，我们考虑的问题，估计分位数时，收到的数据顺序（数据流）。对于现实生活中的数据流，数据的分布通常随时间而变化，使得分位数的估计具有挑战性。我们提出了一种方法，同时保持多个分位数的数据流分布的估计。该方法是基于每次从数据流中接收到新样本时对分位数估计进行增量更新。该方法是存储器和计算效率高的，因为它只为每个分位数估计存储一个值，并且当从数据流接收到新样本时，每个分位数估计只执行一个操作。在每次迭代中分位数的单调性得到满足的意义上，估计是现实的。实验表明，该方法有效地跟踪多个分位数，并优于最先进的方法。
2017-01-31 stat.ME
Partial Functional Linear Quantile Regression for Neuroimaging Data Analysis
提出了一种基于偏分位数协方差技术的函数线性分位数回归模型的预测方法，并提出了一种简单的偏分位数回归（SIMPQR）算法，以有效地提取用于估计函数系数的偏分位数回归（PQR）基.我们进一步扩展我们的偏分位数协方差技术的功能复合分位数回归（CQR）定义偏复合分位数协方差。有三个主要贡献。(1)我们通过线性分位数回归定义两个标量变量之间的偏分位数协方差。我们通过顺序最大化函数协变量的响应和投影之间的偏分位数协方差来计算PQR基。(2)为了有效地提取PQR基，我们开发了一种类似于简单偏最小二乘（SIMPLS）的SIMPQR算法。(3)在同方差的假设下，我们将我们的技术扩展到偏复合分位数协方差，并用它来寻找偏复合分位数回归（PCQR）的基础。然后对SIMPQR算法进行修改，得到SIMPCQR算法。两个仿真研究表明，我们所提出的方法的优越性。用我们提出的方法对ADHD-200样本和ADNI样本的两个实际数据进行了分析。
2015-11-02 stat.ME
Dynamic quantile linear models: a Bayesian approach
提出了一类新的模型--动态分位数线性模型。它结合了动态线性模型和无分布分位数回归，产生了一种稳健的统计方法。动态分位数线性模型的贝叶斯推断可以使用有效的马尔可夫链蒙特卡罗算法来执行。本文还提出了一种适用于高维预测建模应用的快速顺序过程，该过程本身随时间变化。所提出的模型进行评估，使用合成和众所周知的时间序列数据。该模型还被应用于预测结核病在里约热内卢州的年发病率为未来几年，并与世界卫生组织制定的全球战略目标进行比较。
2018-02-18 stat.ME
Global quantile regression
University of South Bohemia（南波希米亚大学）；Chalmers University of Technology（查尔姆斯理工大学）；University of Gothenburg（哥德堡大学）；Natural Resources Institute Finland (Luke)（芬兰自然资源研究所）
本文提出一种全局分位数回归方法，用于检验协变量对整个数据分布的影响，结合排列和全局包络检验，适用于不同条件下的极端分位数分析。
2023-09-09 stat.ME
Sequential estimation of quantiles with applications to A/B-testing and best-arm identification
我们提出了置信序列-序列的置信区间，这是有效的，随着时间的推移均匀-任何分布的分位数在一个完整的，全序集，基于流的独立同分布。意见。我们给出了跟踪固定分位数和同时跟踪所有分位数的方法。具体来说，我们提供了明确的表达式与小常数的间隔，其宽度以最快的可能的$\sqrt{t^{-1} \log\log t}$率收缩，随着时间的推移，以相同的速率均匀地举行的经验分布函数的非渐近浓度不等式。后者加强了Smirnov的经验过程律的重对数和扩展的Dvoretzky-Kiefer-Wolfowitz不等式保持一致的时间。我们给出了一个新的算法和样本的复杂性界选择一个近似最好的分位数在多臂强盗框架的手臂。在模拟中，我们的方法需要的样本比现有方法少五到五十倍。
2022-07-07 math.PR math.ST stat.ME
Online Prediction of Extreme Conditional Quantiles via B-Spline Interpolation
针对条件极端分位数在线预测中GPD拟合计算成本高的问题，提出基于插值的EMI算法，结合分位数回归与B样条插值实现高效预测。
2023-11-23 stat.CO stat.ME
INLA goes extreme: Bayesian tail regression for the estimation of high spatio-temporal quantiles
这项工作的动机是2017年极值分析会议（EVA 2017）的挑战，其目标是预测观测和未观测地点每个月$99.8\%$水平的日降水分位数。我们在这里开发了一个贝叶斯广义加法建模框架，用于估计在空间和时间上观察到的边际极值的复杂趋势。我们的方法是基于一组回归方程的关联概率高于一个高的阈值和过量的大小，后者被建模使用广义帕累托（GP）分布建议的极值理论。使用高斯过程先验对潜在随机效应进行加性和半参数建模，这提供了高度的灵活性和可解释性。由于集成嵌套拉普拉斯近似（INLA）在R-INLA软件中有效实现，可以快速准确地估计后验分布，我们还使用该软件基于分布主体的模型确定非平稳阈值。我们表明，GP分布满足理论要求的INLA，然后我们开发了一个惩罚的复杂性先验规范的尾部指数，这是一个重要的参数外推尾事件概率。这种先验将质量集中在接近轻指数尾部的地方，同时通过惩罚到指数分布的距离来允许较重的尾部。我们通过EVA 2017挑战提供的每日降水数据的空间和季节趋势建模来说明这种方法。利用R-INLA的快速计算能力和大型分布式计算资源，我们进行了广泛的交叉验证研究，以选择控制趋势平滑度的模型参数。我们的结果优于简单的基准测试，并与最佳评分方法相媲美。
2018-02-04 stat.ME
Quantile tomography: using quantiles with multivariate data
使用分位数来获得有关多变量数据的见解。有人认为，通过考虑方向分位数，预测的分位数，可以得到精辟的见解。方向分位数信封提出作为一种方式来凝聚这种信息，它表明，它们基本上是半空间（Tukey）的深度水平集，符合椭圆分布（特别是多元正态）与密度等值线。有关问题的索引，方向分位数信息的反向检索的可能性，仿射变换的不变性，近似/渐近性质进行了研究。有人认为，方向分位数及其信封方面的分析提供了一个简单的概率解释，从而传达了一个具体的定量意义，方向的定义可以适应精心设计的框架，如估计极端分位数和方向分位数回归，回归深度轮廓的协变量。后者促进了多元增长图的构建-这个问题激发了所有的发展。
2013-11-26 stat.ME
Log-regularly varying scale mixture of asymmetric Laplaces for robust Bayesian quantile regression
Meiji University（明治大学）；Keio University（庆应义塾大学）
该研究针对基于非对称拉普拉斯分布的贝叶斯分位数回归对极端观测值敏感的问题，提出AL-LPAL混合分布，建立后验稳健性并开发后验计算方法，经模拟和实际数据验证其预测性能良好。
2026-10-15 stat.ME
Interactive Q-learning for Probabilities and Quantiles
动态治疗方案是一系列决策规则，其中每个决策规则基于患者病史的特征（例如过去的治疗和结果）推荐治疗。用于从数据估计最佳动态治疗方案的现有方法优化响应变量的平均值。然而，平均值可能并不总是最合适的绩效总结。我们得出的决策规则，优化概率和分位数计算相对于两阶段，二进制治疗设置的响应分布的估计。这使得能够估计动态治疗方案，该方案优化了在预先指定的点或预先指定的响应分布分位数（如中位数）处的响应的累积分布函数。所提出的方法在仿真实验中表现良好。我们用一个顺序随机试验的数据来说明我们的方法，该试验的主要结局是抑郁症状的缓解。
2015-05-21 stat.ME
Pyramid quantile regression
分位数回归模型通过捕获协变量在不同分位数水平的影响，提供了响应变量的条件分布的全貌。在大多数应用中，这些条件分布的参数形式是未知的，并且在协变量空间中变化，因此同时拟合给定的分位数水平而不依赖于参数假设是至关重要的。在这项工作中，我们提出了一个贝叶斯模型的同时线性分位数回归。更具体地说，我们建议通过使用随机概率测度（称为分位数金字塔）来模拟条件分布。与许多现有的方法不同，我们的框架允许我们指定有意义的先验的条件分布，同时保留所提供的非参数误差分布制定的灵活性。模拟研究表明，所提出的方法在估计不同的情况下，通常优于其他竞争力的方法的灵活性。该方法是特别有前途的建模极值分位数。线性样条和极值分析的应用也通过实际数据的例子进行了探讨。
2017-11-02 stat.ME
Mixture Quantiles Estimated by Constrained Linear Regression
Stony Brook University（石溪大学）
本文提出了一种通过约束线性回归估计混合分位数的方法，能够高效建模分布的中央部分和极端尾部。
2026-02-03 stat.ME
Joint Quantile Regression for Spatial Data
线性分位数回归是研究预测因子如何在不同分位数水平上不均匀地影响响应的强大工具。不幸的是，现有的方法发现它非常难以调整观察单元之间的任何依赖性，主要是因为这样的方法不是基于一个完全生成的数据模型。为了分析空间索引数据，我们通过推广Yang和Tokdar（2017）的联合分位数回归模型来解决这个困难，并通过高斯或$t$ copula过程来表征观测单位的基础分位数水平的空间依赖性。引入贝叶斯半参数方法来进行模型参数的推断和进行空间分位数平滑。提供了一个有效的模型比较标准，特别是在不同的模型规格的尾部重量和尾部依赖之间进行选择。广泛的模拟研究和美国东北部的颗粒物浓度的应用，以说明在推理质量，准确性和不确定性量化现有的替代品的实质性收益。
2019-10-29 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
Sequential Predictive Conformal Inference for Time Series
Georgia Institute of Technology（佐治亚理工学院）
本文提出序贯预测共形推断（SPCI）算法，通过利用时间序列残差的时间依赖性自适应估计条件分位数，解决不可交换序列的共形预测问题，并在保证覆盖率的同时显著缩小预测区间宽度。
2023-05-30 cs.LG stat.ME stat.ML
Sequential Methods for Error Correction of Probabilistic Wind Power Forecasts
针对风电概率预测误差校正问题，提出结合神经网络与时间自适应分位数回归的NABQR方法，采用LSTM架构，在丹麦风电日前预测中精度最高提升40%，还可用于能源交易，并已开源为Python包。
2025-02-24 stat.AP stat.ME
Optimal pooling and distributed inference for the tail index and extreme quantiles
研究了重尾数据中尾指数和极端分位数估计的池化策略。为了充分利用包含在几个样本中的信息，我们提出了一般加权汇总希尔估计的尾部指数和加权汇总韦斯曼估计的极端分位数计算通过一个非标准的几何平均计划。我们在固定的样本个数上发展了他们的大样本渐近理论，涵盖了具有不同和渐近相关分布的异质样本量的一般框架。我们的研究结果包括基于渐近方差和MSE最小化的池权重的最佳选择。在分布推断的重要应用中，我们证明了在子样本组合不可行的情况下，方差最优分布估计与基准Hill和Weissman估计是渐近等价的，而在大偏差的情况下，AMSE最优分布估计比基准估计具有更小的AMSE.我们考虑子样本数量随总样本量增长且有效子样本量可能较低的其他情况。我们扩展我们的方法来处理序列依赖和协变量的存在。模拟证实，我们的合并估计几乎执行以及基准估计。展示了两个应用程序的真实天气和保险数据。
2021-11-04 math.ST stat.ME stat.TH
Inference for Extremal Conditional Quantile Models, with an Application to Market and Birthweight Risks
分位数回归是经济学和其他科学中越来越重要的经验工具，用于分析一组回归变量对结果的条件分布的影响。极值分位数回归，或应用于尾部的分位数回归，在许多经济和金融应用中很有意义，例如条件风险价值，生产效率和（S，s）模型中的调整带。在本文中，我们提供了可行的推断工具，极值条件分位数模型，依赖于极值近似的自归一化分位数回归统计分布。该方法易于实现，即使在非回归情况下也可以独立感兴趣。我们用两个实证例子来说明结果，分析股票收益的极端波动和活婴儿出生体重在250和1500克之间的极低波动。
2009-12-26 econ.EM math.ST q-fin.RM
Model averaging with mixed criteria for estimating high quantiles of extreme values: Application to heavy rainfall
Honam Research Division, Electronics and Telecommunications Research Institute（韩国电子与电信研究院湖南研究部）；Department of Statistics, Chonnam National University（全南大学统计系）
本文提出基于混合标准的模型平均法，用于更准确地估计极值高分位数，应用于暴雨数据以提高预测精度和风险评估效果。
2026-02-23 stat.CO stat.ME
On distributionally robust extreme value analysis
我们在极值理论（EVT）的背景下研究分布鲁棒性。我们提供了一个数据驱动的方法来估计极端分位数的方式，对不正确的模型假设的基础上的应用程序的标准极值类型定理是强大的。分布鲁棒性的典型研究涉及计算最坏情况下的模型不确定性区域表示的Kullback-Leibler差异的估计。我们超越标准的分布鲁棒性，我们调查不同形式的差异，并证明严格的结果，这是有助于理解的作用，一个假定的模型不确定性区域的极端分位数估计的背景下。最后，我们说明了我们的数据驱动的方法在不同的设置，包括示例显示如何标准EVT可以显着低估感兴趣的分位数。
2020-06-07 math.ST stat.ME stat.TH
Neural Networks for Extreme Quantile Regression with an Application to Forecasting of Flood Risk
提出结合神经网络与极值理论的EQRN模型用于极端分位数回归，并开发循环版本捕捉时间序列依赖，应用于洪水风险预测，提供动态超越概率预测以辅助预警。
2024-11-12 stat.AP stat.ME stat.ML
Smooth Density Spatial Quantile Regression
我们推导出的属性，并证明了可取的基于模型的方法估计协变量的分位数函数的空间变化的影响。通过将分位数函数建模为I-样条基函数和帕累托尾分布的组合，我们可以灵活地对极值进行参数建模，同时保留分布中心的非参数灵活性。我们进一步建立，该模型保证了所需程度的可微性的密度函数，使非平稳的协方差函数的估计依赖于预测。我们通过模拟研究表明，所提出的方法产生更有效估计的影响，预测比其他方法，特别是在分布与重尾。为了说明该模型的实用性，我们将其应用到测量的苯收集周围的炼油厂，以确定在炼油厂内的栅栏线测量的分布上的排放源的影响。
2019-04-30 stat.ME
Crossing penalised CAViaR
针对多动态分位数联合估计研究有限的问题，本文提出带交叉惩罚的联合估计目标函数，经蒙特卡洛实验和FTSE100实证验证，为时间序列多动态分位数建模提供灵活稳健的新方法。
2025-01-17 q-fin.ST stat.ME
Estimation and Inference of Extremal Quantile Treatment Effects for Heavy-Tailed Distributions
本文针对重尾结局变量提出基于渐近尾部近似和因果Hill估计量的极值分位数处理效应估计方法，建立了渐近正态性与一致方差估计，并通过模拟和大学教育对工资影响的实证分析验证了方法的有效性。
2023-07-05 math.ST stat.ME stat.TH
Automated threshold selection and associated inference uncertainty for univariate extremes
针对单变量极值分析中阈值选择主观且影响高分位数推断的问题，提出自动平衡偏差与方差的阈值选择方法，并将阈值不确定性传播至极值分位数推断。
2024-10-29 stat.AP stat.ME
Doubly robust estimation and sensitivity analysis for marginal structural quantile models
针对边际结构分位数模型，提出双重稳健估计量及混杂函数敏感性分析方法，并通过模拟和电子健康记录数据验证其性能与稳健性。
2024-02-10 stat.ME
A robust mixed-effects quantile regression model using generalized Laplace mixtures to handle outliers and skewness
Syneos Health；University of the Free State（自由州大学）；KU Leuven（荷语鲁汶大学）；University of Stellenbosch（斯坦陵布什大学）
本文提出一种基于受污染广义非对称拉普拉斯混合的贝叶斯混合效应分位数回归模型，以稳健处理离群值和偏态，并在HIV病毒载量衰减数据中验证其优于传统方法。
2025-06-20 stat.ME
Sequential online subsampling for thinning experimental designs
我们考虑一个设计问题，其中实验条件（设计点$X_i$）以i.i.d.序列的形式呈现。随机变量，用未知的概率测度$μ$生成，并且只能选择给定的比例$α\in(0,1)$。目标是在运行中选择好的候选$X_i$，并最大化相应信息矩阵的凹函数$Φ$。最优解对应于最优有界设计测度$ξ_α^*\leq μ/α$的构造，其困难在于$μ$是未知的，而$ξ_α^*$必须在线构造.所提出的构造依赖于在当前信息矩阵处对$Φ$的方向导数的阈值$τ$的定义，$τ$的值由该方向导数的分布的某个分位数固定。与递归分位数估计相结合，得到一种非线性双时间尺度随机逼近方法。它可以应用于很长的设计序列，因为只有当前的信息矩阵和估计的分位数需要存储。收敛到一个最优设计证明。各种说明性的例子。
2020-08-04 math.ST stat.CO stat.ME
Real time change-point detection in a nonlinear quantile model
实时时变点检测的研究大多集中在线性模型上，或者在经典的模型误差假设下使用了最大似然法。研究了非线性分位数模型中的序列变点检测问题。提出并研究了一种基于分位数过程次梯度和的检验统计量。在模型不变的原假设下，确定检验统计量的渐近分布。在备择假设下，在一些未知的观察有一个变化的模型，提出的检验统计量收敛于概率$\infty$。这些结果允许在开放端和封闭端程序上建立临界区域。模拟结果，使用Monte Carlo技术，调查的检验统计量的性能，特别是重尾误差分布。我们还将其与经典的CSCUM检验统计量进行了比较。
2016-05-02 math.ST stat.ME stat.TH
Functional Data-Driven Quantile Model Averaging with Application to Cryptocurrencies
针对加密货币市场尾部风险预测中函数型数据的不确定性问题，提出数据驱动的条件分位数模型平均方法，通过K折交叉验证分配权重，证明了其渐近最优性与一致性，数值实验显示其在极端分位数预测上表现更优。
2025-01-18 math.ST stat.ME stat.TH
Quantile Least Squares: A Flexible Approach for Robust Estimation and Validation of Location-Scale Families
本文提出分位数最小二乘（QLS）方法，利用样本分位数的联合渐近正态性构造位置-尺度参数的显式稳健估计量，并建立拟合优度检验，在谷歌股票收益率数据上验证了逻辑分布假设。
2025-05-02 stat.CO stat.ME
A Location-Invariant Estimator of Extremal Quantile Treatment Effects for Heavy-Tailed Distributions
Huazhong University of Science and Technology（华中科技大学）；Tencent（腾讯）
针对重尾分布极值QTE估计量的位置偏移不不变问题，通过适配位置不变EVI估计量并替换外推方案，提出位置不变的极值QTE估计量，经模拟验证其性质良好。
2026-09-07 cs.LG stat.AP stat.ME
Scale-mixture Birnbaum-Saunders quantile regression models applied to personal accident insurance data
人身意外保险数据的建模一直是保险文献中一个非常相关的话题。这类数据往往表现出正偏态和重尾。在这项工作中，我们提出了一个新的分位数回归模型的基础上的规模混合Birnbaum-Saunders分布建模的人身意外保险数据。通过期望最大化算法得到模型参数的最大似然估计。两个蒙特卡罗模拟研究使用R软件进行。第一项研究的目的是分析期望最大化算法的性能，以获得最大似然估计，随机分位数和广义Cox-Snell残差。在第二个模拟研究中，的Wald，似然比，得分和梯度测试的大小和权力进行了评估。这两项模拟研究是在考虑不同的感兴趣分位数和样本量的情况下进行的。最后，一个真实的保险数据集进行了分析，以说明所提出的方法。
2023-03-20 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
