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
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
On estimation and order selection for multivariate extremes via clustering
本文提出带惩罚的简化平均轮廓宽度来一致选择多元极值谱测度的聚类阶,并分析聚类估计的大偏差性质及重尾因子模型参数估计。
2025-02-19 math.ST stat.ME stat.TH
Multivariate generalized Pareto distributions along extreme directions
针对高维下风险变量非同时极端的情形,研究多元广义帕累托分布的极端方向,提出随机构造与通用模拟算法,支持任意预定义风险组的极端方向。
2024-09-20 math.ST stat.TH
Penultimate Analysis of the Conditional Multivariate Extremes Tail Model
极值模型通常来自极限结果,这意味着当应用于有限样本时是足够好的近似。根据数据基础过程的收敛速度,这些近似值可能无法表示数据中存在的亚渐近特征,因此可能会引入偏差。单变量最大值的情况下已被广泛探讨的文献中,一个突出的例子是缓慢收敛到他们的Gumbel极限的高斯最大值,这是更好地近似为负韦布尔分布在有限的水平。在次渐近多元极值的背景下,研究只涉及与分量最大值和多元正则变分相关的特定情况。本文探讨了条件极值模型(Hongnan和Tawn,2004年),以阐明其有限样本行为,并减少超出可用数据范围的外推偏差。我们确定了不同类型的条件Copula的二阶特征,并获得了与单变量背景相呼应的结果。这些结果表明条件尾部模型可能的扩展,这将使其能够在不太极端的阈值下拟合。
2019-02-19 math.ST stat.TH
Estimation of extreme risk regions under multivariate regular variation
当考虑d个可能相依的随机变量时,人们通常对概率p非常小的极端风险区域感兴趣。我们考虑${\mathbf{z}\in\mathbb{R}^d:f(\mathbf{z})\leqβ}$形式的风险区域,其中f是联合密度,$β$是一个小数字。对这种极端风险区域的估计是困难的,因为它几乎没有任何数据。利用极值理论,我们构造了一个极端风险区域的自然估计,并证明了一个改进的形式的一致性,给定一个随机样本的多元正变随机向量。在详细的仿真和比较研究中,该程序的良好性能得到了证明。我们还将估计器应用于财务数据。
2012-11-22 math.ST stat.TH
Non-parametric estimator of a multivariate madogram for missing-data and extreme value framework
极大值间相关性的建模在风险分析的许多应用中是一个重要课题。为此目的,极值copula函数,其特征在于通过madogram,可以被用来作为一个边际的依赖结构的描述。从实际的角度来看,极值分布族非常丰富,并且作为适当归一化的分量最大值的极限分布而自然出现。本文研究了数据完全随机缺失情况下madogram的非参数估计。我们提供的功能中心极限定理所考虑的多元madrogram正确规范化,对一个紧密的高斯过程的协方差函数依赖于丢失的概率。给出了渐近方差的显式表达式。我们的研究结果说明了在一个有限的样本设置与模拟研究。
2022-04-29 math.ST stat.TH
On the Copula for multivariate Extreme Value distributions
证明了所有多元极值分布(即iid序列的$K$最大顺序统计量的可能弱极限)具有相同的Copula,即所谓的K-极值Copula.这个Copula通过其密度和分布函数的精确表达式来描述。我们还研究了依赖性的测度,得到了一个弱收敛结果,并给出了一个K-极值Copula的模拟算法。
2010-07-29 math.PR math.ST stat.TH
Consistency of Bayesian Inference for Multivariate Max-Stable Distributions
预测极端事件在风险分析的许多应用中非常重要。极值理论建议用最大稳定分布来模拟极值。贝叶斯方法为统计预测提供了一个自然的框架。虽然在单变量极值和多变量极值的文献中已经提出了各种贝叶斯推理程序,但对它们的渐近性质的研究在很大程度上没有触及。本文主要研究任意维极大稳定分布的半参数贝叶斯估计方法。我们建立了相关的后验分布的一致性相当普遍,明确规定的最大稳定模型,其利润率可以是短,轻或重尾。然后,我们扩展我们的一致性结果的情况下,数据来自一个分布躺在附近的一个最大稳定的,这代表了最现实的推理设置。
2020-09-20 math.ST stat.TH
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
On the estimation of extreme directional multivariate quantiles
在多元极值理论(MEVT)中,重点是在可观察的采样区域之外进行分析,这意味着感兴趣的区域与高风险水平相关。这项工作提供了工具,包括方向的概念到MEVT,使有机会表征最近推出的方向多变量分位数(DMQ)在高层次。然后,给出了这些分位数的样本外估计方法。自举程序进行估计的调整参数在这个多变量框架,并帮助估计的DMQ。所提出的估计的渐近正态性,并与模拟数据集的方法进行说明。最后,一个现实生活中的应用程序,金融案件也执行。
2018-12-04 math.ST stat.AP stat.TH
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
Bias correction in multivariate extremes
极值依赖结构的估计被偏差的影响所破坏,偏差随着用于估计的观测值的数量而增加。已经知道在单变量设置,偏差校正过程中,本文研究的多变量框架下。得到了稳定尾相依函数的新的估计族。它们是由Huang [Statistics of bivariate extremes(1992)Erasmus Univ.]引入的经验估计量的渐近无偏版本。由于新的估计量具有相对于观测数量的规则行为,因此可以推导出聚合版本,从而大大简化了阈值的选择。提供了广泛的模拟研究以及实际数据上的应用。
2015-04-02 math.ST stat.TH
Approximation and estimation of very small probabilities of multivariate extreme events
本文讨论了用大偏差原理(LDP)对多元分布函数尾部的建模,并将其应用于由n个随机向量组成的样本估计多元极值事件的概率,其概率以指数小于-1的样本量的幂为界。一种看待经典尾部极限的方法是概率比的极限。相反,尾部LDP提供了对数概率比的渐近界或极限。在将边际标准化为标准指数之后,相关性由齐次速率函数表示。此外,尾部LDP可以扩展为表示依赖性和边际,后者意味着边际log-GW尾部限制。建立了尾部LDP和剩余尾部依赖(或隐藏的正则变差)及其最近扩展之间的联系,在光滑性假设下,它们都隐含在尾部LDP中。基于尾LDP,给出了极端事件极小概率的一个简单估计。它避免了估计率函数,利用其均匀性。强一致性的意义上的对数概率比的收敛证明。仿真和应用说明了经典的方法和基于LDP的方法之间的差异。
2015-12-16 math.ST stat.TH
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
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
On the local metric property in multivariate extremes
本文针对多元极值提出极值正关联概念,推广极值树模型,并引入度量性质,实现局部度量Hüsler--Reiss图模型的两步估计,通过梯度下降求解对偶问题,并在模拟与真实数据中验证。
2023-06-22 math.ST stat.TH
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
Spectral learning of multivariate extremes
Columbia University(哥伦比亚大学);Cornell University(康奈尔大学)
提出一种基于随机k近邻图的谱聚类算法,用于分析多元极值的依赖结构,证明了其在线性因子模型下能一致识别极值簇,并给出角测度的一致估计策略。
2023-08-01 cs.LG math.ST stat.ML
A clustering algorithm for multivariate data streams with correlated components
常见的聚类算法需要对所有数据进行多次扫描以实现收敛,当必须处理具有流中到达的数据的大型数据库时,这是禁止的。自1998年以来,在文献中出现了一些将流行的K均值方法扩展到流数据分析的算法(Bradley等人,Scaling clustering algorithms to large databases.在:KDD. p.9 -15,1998; O'Callaghan等人,Streaming-data algorithms for high-quality clustering.在:IEEE数据工程国际会议论文集。p.685,2001),但是它们或者没有考虑聚类的特定可变性,或者假设被处理和分组的随机向量具有不相关的分量。不幸的是,在许多实际情况下并非如此。我们在这里提出了一个新的算法来处理数据流,数据具有相关的组件和来自不同的协方差阵的集群。这种协方差阵通过最佳双收缩法进行估计,该方法即使在存在几个数据点或具有小方差分量的数据的情况下也提供正定估计。这是需要反转矩阵和计算Mahalanobis距离,我们使用它来将数据分配给聚类。我们还从数据中估计聚类的总数。
2017-12-21 math.ST stat.AP stat.TH
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
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
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
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
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
Stable sums to infer high return levels of multivariate rainfall time series
强降雨分布模型在任何与水循环相关的影响研究中都是必不可少的,例如洪水风险。尽管如此,统计分析,考虑到极端降雨的时间和多变量的性质是罕见的,往往需要一个复杂的去聚类步骤,使极端降雨时间独立。一个自然的问题是如何在多变量上下文中绕过这种去聚类。为了解决这个问题,我们引入了稳定和方法。我们的目标是将时间和空间的极端依赖性的重尾分析。为了达到我们的目标,我们建立在定期变化的平稳时间序列的大偏差。数值实验表明,我们的新方法从两个方面增强了收益水平的推断。首先,它在时间依赖性方面是鲁棒的。我们在独立和依赖观察上同样实现它。在单变量设置中,它提高了置信区间的精度相比,需要时间去聚类的主要估计。其次,它考虑到了空间依赖性。在模拟中,多元稳定和方法比其分量实现具有更小的均方误差。我们应用我们的方法来推断高回报水平的每日秋季降水量从一个国家网络的气象站在法国。
2022-05-12 math.ST stat.AP stat.ME
Total positivity in multivariate extremes
本研究针对多元极值中的正相关性问题,提出极值版二阶多元全正性EMTP₂,证明Hüsler–Reiss分布满足该性质的充要条件,给出带拉普拉斯约束的凸优化估计量,验证其一致性与稀疏性,在多瑙河流量数据上表现优于现有方法。
2023-06-14 math.ST stat.ME stat.TH
Graphical models for multivariate extremes
本文综述极值图模型的基本概念与最新进展,统一了指数测度视角,涵盖非参数与Hüsler--Reiss模型,并应用于美国机场航班延误数据分析。
2024-02-03 math.ST stat.ME stat.TH
Robust Model-Based Clustering
提出了一类新的混合模型的稳健Fisher-相合估计量.这些估计可以用来构建强大的基于模型的聚类程序。我们详细研究的情况下,多元正态混合物,并提出了一个程序,使用S估计的多元位置和分散。我们开发了一种算法来计算估计量,并建立集群,这是非常相似的期望最大化算法。一个广泛的蒙特卡罗模拟研究表明,我们的建议相比,毫不逊色于其他强大的和非强大的基于模型的聚类程序。我们将我们的和替代的程序应用到一个真实的数据集,并再次发现,使用我们的建议获得最好的结果。
2021-06-08 math.ST stat.CO stat.ME
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