Inference of high quantiles of a heavy-tailed distribution from block data
本文针对块数据中仅观测到少数最大值的情形，提出重尾分布高分位数的估计量并证明其渐近正态性，同时用经验似然法构造置信区间，模拟比较了不同方法的性能。
2023-06-24 math.ST stat.ME stat.TH
Tail models and the statistical limit of accuracy in risk assessment
在风险管理中，尾部风险是至关重要的。风险评估应按照监管机构的要求在高分位数进行。一般来说，底层分布函数是未知的，数据库是稀疏的，因此使用特殊的尾部模型。通常，广义帕累托分布被用作基本模型，其参数由尾部区域的数据确定。有了确定的尾部模型，统计学家然后计算所需的高分位数。在此背景下，我们考虑了分位数计算的可能精度，并根据置信水平和尾部模型的参数确定了分位数估计的有限样本分布函数，进而计算了分位数估计的有限样本偏差和有限样本方差。最后，我们提出了一个未知分布函数的分位数的影响分析。
2019-04-27 q-fin.RM stat.ME
Non-parametric estimation of conditional quantiles for time series with heavy tails
提出修正的加权Nadaraya-Watson估计量用于重尾时间序列条件分位数，建立渐近正态性，并通过模拟和实际数据验证性能。
2024-07-22 math.ST stat.ME stat.TH
A Log Probability Weighted Moment Estimator of Extreme Quantiles
本文考虑右重尾模型极值分位数的半参数估计。本文提出了一种新的极值分位数对数概率加权矩估计，它是由尾部形状和尺度参数的估计得到的。在底层分布函数尾部的二阶正则变差条件下，我们推导出了所研究的估计量的非退化渐近行为，并给出了它们在最优水平上的渐近比较.此外，性能的估计说明通过应用程序的真实数据。
2014-01-14 stat.ME
Consistency of full-sample bootstrap for estimating high-quantile, tail probability, and tail index
我们证明了全样本自助法对于构造单变量分布的高分位数、尾概率和其他尾参数的置信区间是渐近有效的。这解决了人们对这种自举方法有效性的怀疑。在我们广泛的模拟研究中，自举方法的总体性能优于标准渐近方法，表明自举方法至少与渐近方法一样好，如果不是更好的话，推断。本文还奠定了基础，发展引导方法推断多变量统计中的尾事件，这是特别重要的，因为一些非引导方法是复杂的。
2020-04-27 math.ST stat.ME stat.TH
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
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
Quantile index regression
高分位数和低分位数下的结构估计已经成为一个重要的研究课题，并引起了众多领域的广泛关注。然而，由于尾部数据的稀疏性，获得可靠的估计通常是一项具有挑战性的任务，特别是对于高维数据。本文提出了一个灵活的参数结构的尾巴，这使我们能够进行估计的分位数水平与丰富的观察，然后外推拟合的结构，远尾。所提出的模型依赖于一些分位数指数，因此被称为分位数指数回归。利用复合分位数回归方法得到了非交叉分位数估计，并进一步建立了它们的理论性质，包括协变量为低维时的渐近正态性和协变量为高维时的非渐近误差界.仿真研究和经验的例子来说明新模型的实用性。
2021-11-05 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
A Two-Step Test to Identify Zero-Inflated Biomarkers in Early-Phase Clinical Trials
针对早期临床试验中零膨胀生物标志物分布导致非参数交互检验效能下降的问题，提出一种两步检验法，通过尖峰检验和尾部检验分离预测效应并合并p值，在保持精确I类错误控制的同时显著提升检验效能。
2025-08-14 stat.ME
Bayesian Mixed-Frequency Quantile Vector Autoregression: Eliciting tail risks of Monthly US GDP
及时描述经济和金融体系中的风险在经济政策和私营部门的决策中发挥着至关重要的作用。然而，低频变量的信息含量和条件均值模型的结果只提供了有限的证据来研究这个问题。我们提出了一种新的混合频率分位数向量自回归（MF-QVAR）模型来解决这个问题。受单变量贝叶斯分位数回归文献的启发，在贝叶斯框架下利用多变量非对称拉普拉斯分布来形成似然。一个数据增强的方法，加上一个精确的采样器有效地估计丢失的低频变量在较高的频率下的状态空间表示。所提出的方法使我们能够预测多个感兴趣的变量的条件分位数，并获得高频率的分位数相关的风险措施，从而使及时的政策干预。该模型的主要应用是预测美国GDP的条件分位数，这与风险价值和预期短缺的量化密切相关。
2022-09-05 econ.EM stat.ME
Covariate adjustment in continuous biomarker assessment
连续的生物标志物通常用于疾病筛查和诊断。为了达到二分法的临床决策，将施加阈值以区分患有疾病的受试者和未患病的个体。在连续生物标志物的各种性能度量中，在受控灵敏度水平下的特异性（或反之亦然）通常对于临床实用性是期望的，因为它直接靶向临床测试预期操作的地方。协变量（如年龄、人种和样本采集）可能影响亚群中的受控敏感性水平，也可能混淆生物标志物与疾病状态之间的关联。因此，协变量调整在此类生物标志物评价中很重要。在本文中，我们建议采用简约的分位数回归模型的患病人群，在控制的敏感性水平，并评估特异性与协变量特异性控制的敏感性。方差估计是从基于样本的方法和自助法获得的。此外，我们提出的局部模型很容易扩展到一个全球的协变量调整的受试者工作特征（ROC）曲线的敏感性连续。我们证明了该方法的计算效率，并恢复估计协变量调整后的ROC曲线的固有单调性。所提出的估计量的渐近性质的建立。仿真研究表明，良好的性能的建议。最后，我们说明了我们的方法在生物标志物评估的侵袭性前列腺癌。
2021-04-20 stat.ME
Self-Normalized Quantile Empirical Saddlepoint Approximation
本研究提出无密度的SNQESA方法用于总体分位数推断，通过自归一化枢轴量和约束经验鞍点近似获取尾概率，无需密度估计，在多种分布下精度高、计算快，可扩展到多类场景。
2025-10-28 stat.CO stat.ME
Bayesian Robust Quantile Regression
传统的贝叶斯分位数回归主要依赖于非对称拉普拉斯分布（ALD），因为它具有令人满意的经验和理论性能。然而，ALD显示中等的尾部，它是不适合的数据，其特征在于从高斯假设的强烈偏差。在本文中，我们提出了一个扩展的ALD贝叶斯分位数回归框架，考虑到肥尾使用偏指数功率（SEP）分布。除了将$τ$水平分位数作为参数外，SEP分布还有一个控制尾部衰减的额外关键参数，这使得它对于在不同置信水平下对条件分位数进行鲁棒建模具有吸引力。线性和广义可加模型（GAM）与惩罚样条被认为是在贝叶斯分位数回归的背景下显示SEP的灵活性。在这两种情况下都考虑了Lasso先验，以解决参数空间变宽时的参数收缩问题。为了实现贝叶斯推断，我们提出了一个新的自适应梅特罗波利斯-黑斯廷斯算法在线性模型和自适应Metropolis吉布斯一GAM框架。通过几个基于模拟和真实数据集的例子，提供了所提出的SEP贝叶斯分位数回归方法的统计特性的经验证据。
2016-05-18 stat.ME
Bayesian Inference for Joint Tail Risk in Paired Biomarkers via Archimedean Copulas with Restricted Jeffreys Priors
University of Louisiana at Lafayette（路易斯安那大学拉法叶分校）；Minnesota State University（明尼苏达州立大学）；West Liberty University（西自由大学）；Presidency College（总统学院）
本文提出一种基于Copula的贝叶斯方法，通过受限杰弗里斯先验量化配对生物标志物的联合尾风险，揭示了极端共动性显著高于独立性。
2026-03-08 stat.AP stat.ME
Statistical Estimation for Covariance Structures with Tail Estimates using Nodewise Quantile Predictive Regression Models
本文针对带尾部估计的协方差结构，提出用分位数预测回归估计VaR-CoVaR风险矩阵，还构建了无调优参数、具有一致性的FOCE变量选择算法，经真实与模拟数据集验证可用于网络系统性风险建模。
2023-07-24 econ.EM stat.ME
Robust Interpolated Quantile Estimators: Asymptotic Theory and Efficiency
Mohammed V University in Rabat（拉巴特穆罕默德五世大学）；Laboratoire Paul Painlevé, USTL–CNRS–UMR 8524（保罗·庞加莱实验室，里尔第一大学-法国国家科学研究中心联合研究单位8524）；ESA, Angers（昂热应用科学学院）
本文提出含三类正则项的插值分位数估计量，建立其渐近理论，数值实验显示二次插值估计量可降低渐近方差，扩展至线性分位数回归后验证了其在尾部估计的实用价值。
2026-07-30 stat.ME
A Family of Quantile Functions Useful in Clinical Studies
Cochin University of Science and Technology（科钦科技大学）；IQVIA
本文提出并研究了一类基于分位数的有效性持久函数，通过有理（Möbius）规范导出两参数非负分布族，并推导了其统计性质、L-矩和可靠性概念，通过最大似然估计参数，并用真实生存数据验证。
2026-06-03 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
Quantile-Based Effectiveness Persistence Function: A Tail-Focused Metric with Theory, Estimation, and Application to Biosimilar Evaluation
Cochin University of Science and Technology（科钦科技大学）；IQVIA（艾昆纬）
本文提出一种基于分位数的有效性持续函数，用于评估生物类似药的尾部性能，通过理论分析、非参数估计和Bootstrap校准的两样本等价检验，提供稳健的统计工具以捕捉临床相关的尾部持续性。
2026-05-19 stat.ME
Insights into Tail-Based and Order Statistics
本文从理论上研究分位数贡献统计量与次序统计量的关系，推导其小样本累积分布函数的闭式表达，并建立渐近正态性与极限分布，为分析重尾数据提供基础。
2025-11-06 math.ST q-fin.ST stat.ME
Application of some new heavy-tailed survival distributions
基于广义指数函数引入了一些新的生存分布。这类分布包括指数分布、威布尔分布和Γ分布的重尾概化。的分布的属性进行了描述，和R代码可用于计算的pdf，分位数，逆分位数，随机数等，建议使用这些分布的鲁棒性的推断，这是举例说明与蒙特卡洛研究。
2014-12-02 stat.ME
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
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
A Robust Moment System Based on Absolute Deviations and Quantile Slicing
Kingdom of Bahrain（巴林王国）
本文提出两种稳健的分位数切片矩系统，用于参数建模和统计推断，特别是在经典矩和L矩失效时描述分布的位置、尺度、偏斜和尾部行为。
2026-03-29 stat.ME
Elicitability and identifiability of tail risk measures
本文研究尾部风险度量与分位数的联合可识别性和可诱导性，证明当生成元具备相应性质时二者可联合识别与诱导，并提出一类新的加权评分，为尾部风险模型的回归拟合、广义矩估计及回测验证提供理论基础。
2025-10-21 math.ST q-fin.RM q-fin.ST
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
Extremal Quantile Regression: An Overview
极值分位数回归，即应用于条件分布尾部的分位数回归，在越来越多的经济和金融应用中发挥作用，如风险价值、生产前沿、低婴儿出生体重的决定因素和拍卖模型。本章概述了极值分位数回归理论和算法的最新发展。该理论的进展依赖于对Koenker和Bassett（1978）分位数回归估计定律的极值近似的使用。极值律不仅被证明在尾部提供比高斯律更准确的近似，而且还被用作使用模拟和适当的自举和子采样变化来开发偏差校正估计量和推断方法的基础。这些方法的适用性说明了两个实证例子的条件风险价值和金融传染。
2017-02-08 econ.EM stat.ME
Weighted quantile estimators
本文提出一种通用加权方案，用于构建传统、Harrell-Davis及其截尾修正等多种分位数估计量的加权版本，并应用于时间序列尾部分布估计和加权混合分布分位数估计。
2023-04-14 stat.ME
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
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
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
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
Expected Shortfall Factor Models: Common Tail Losses and Expected Returns
University of Chinese Academy of Sciences（中国科学院大学）；Southeast University（东南大学）；Shandong University（山东大学）；University of Science and Technology of China（中国科学技术大学）
本文提出期望损失因子模型（ESFM），捕捉资产下尾损失严重性的共同变化，实证发现其暴露与预期收益正相关，高减低组合年化收益达8.0%-11.7%，且提供均值与分位数因子之外的定价信息。
2026-09-11 econ.EM econ.GN q-fin.EC
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
Trimmed Harrell-Davis quantile estimator based on the highest density interval of the given width
传统的基于一个或两个顺序统计量的分位数估计是基于给定样本估计分布分位数的常用方法。这些估计是稳健的，但它们的统计效率并不总是足够好。一个更有效的替代方法是Harrell-Davis分位数估计，它使用所有顺序统计量的加权和。虽然这种方法为轻尾分布提供了更准确的估计，但它并不稳健。为了能够自定义统计效率和鲁棒性之间的权衡，我们可以考虑对Harrell-Davis分位数估计量进行修剪修改。该方法根据β分布的最高密度区间丢弃低权重的顺序统计量。
2022-08-29 stat.ME
A Multi-Level Simulation Optimization Approach for Quantile Functions
分位数是随机系统评价其变异性和风险的常用性能度量。为了降低风险，选择最小化某些损失分布的尾部分位数的行动通常是决策者感兴趣的。当通过模拟观察损失分布时，评估和优化其分位数函数可能具有挑战性，特别是当模拟昂贵时，因为可能需要大量模拟运行才能获得准确的分位数估计值。在这项工作中，我们提出了一个多层次的元模型（协同克里金）为基础的算法，以优化分位数函数更有效。利用分位数函数的非递减性质，我们首先搜索更便宜和信息量更低的分位数，这些分位数更准确，更容易优化。分位数水平迭代地增加到目标水平，而搜索集中在由先前水平识别的可能有希望的区域上。这使我们能够利用来自较低分位数的准确信息来更快地找到最优值并提高算法效率。
2019-01-17 math.OC stat.ME
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
Accurate Bayesian inference for tail risk extrapolation in time series
本文提出一种基于广义帕累托分布的贝叶斯框架，用于时间序列尾部风险外推，提供渐近诚实的可信区域，并在模拟和实际数据中优于现有方法。
2025-10-16 stat.ME
A New Family of Error Distributions for Bayesian Quantile Regression
我们为基于模型的分位数回归提出了一系列新的误差分布，该分布是通过正态分布的结构化混合构造的。该构造使得能够固定分布的特定顶点，同时允许变化的模式、偏度和尾部行为。因此，它克服了非对称拉普拉斯分布的严重限制-参数分位数回归最常用的误差模型-其中，当特定百分位数固定时，误差密度的偏度完全指定。我们提出了一个贝叶斯公式的建议分位数回归模型，包括条件套索正则化的分位数回归的基础上的分层拉普拉斯先验的回归系数，和Tobit分位数回归模型。后验推理通过马尔可夫链蒙特卡罗方法实现。通过模型的相关性质研究了新模型相对于非对称Laplace分布的灵活性，并通过模拟实验比较了正则化分位数回归中两种误差分布。此外，线性分位数回归，正则化分位数回归和Tobit分位数回归的模型性能与数据的例子，以前已经考虑在文献中说明。
2017-02-09 stat.ME
A Quantile Estimate Based on Local Curve Fitting
分位数估计是质量控制、水文学和经济学等领域提出的问题。有不同的技术来估计这样的分位数。然而，当感兴趣的分位数通常位于分布的尾部时，这些技术使用样本的整体拟合。分位数估计的回归方法（Regression Approach for Quantile Estimation，RAQE）是一种基于回归技术和经验分布性质的方法。该方法首先针对能力分析问题提出。在本文中，提出了一种推广的方法，扩展到多个样本的情况下，并从真实的例子中的数据来说明所提出的方法。此外，理论框架，以支持多个同质样本的扩展和使用的估计概率的不确定性作为加权因子的分析。
2017-06-16 stat.ME
Generalized random forest for extreme quantile regression
本文提出一种结合极值理论与广义随机森林的极端分位数回归方法，用协变量相关参数近似块最大值条件分布，并在模拟和气象数据上验证其有效性。
2025-08-20 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
Gradient boosting for extreme quantile regression
极端分位数回归提供数据范围外的条件分位数的估计值。经典的分位数回归在这种情况下表现不佳，因为尾部区域的数据太少。极值理论用于超出观测值范围的外推和条件极值分位数的估计。基于超阈值峰值法，将高阈值以上的条件分布近似为协变量相关参数的广义Pareto分布.我们提出了一个梯度提升过程来估计一个条件广义Pareto分布，通过最小化其偏差。交叉验证用于选择调优参数，如树的数量和树的深度。我们讨论诊断图，如变量的重要性和部分依赖图，这有助于解释拟合模型。在模拟研究中，我们表明，我们的梯度提升过程优于经典的方法，从分位数回归和极值理论，特别是对于高维预测空间和复杂的参数响应曲面。在荷兰的降水数据的天气预报的统计后处理的应用程序。
2022-12-21 stat.ME
Expected Shortfall Panel Regression
Shandong University（山东大学）；Southeast University（东南大学）；University of Science and Technology of China（中国科学技术大学）
本文提出面板期望损失回归模型，通过潜在因子结构捕捉横截面依赖，开发两阶段估计方法以应对厚尾误差，理论上证明了估计量的一致性和渐近正态性，并通过模拟和实证显示方法在参数估计和因子恢复上具有显著优势。
2026-04-14 stat.ME
Quantile Predictions for Equity Premium using Penalized Quantile Regression with Consistent Variable Selection across Multiple Quantiles
本文提出一种跨分位数一致变量选择的惩罚分位数回归方法，用于股票溢价预测，解决均值回归在异方差和重尾下的问题，并通过模拟和实证验证其优于基准方法，且发现预测变量关系随分位数反转。
2025-05-21 q-fin.ST stat.AP stat.ME
A sequential design for extreme quantiles estimation under binary sampling
我们提出了一个序贯设计方法，旨在估计一个极端的分位数的基础上的一个样本的二分数据对应的峰值超过一个给定的阈值。本研究的动机是在材料可靠性的工业挑战，并包括在估计失败分位数的试验，其结果减少到指标的样本是否已失败，在测试的应力水平。提出的解决方案是一个顺序设计，利用分裂的方法，分解成产品的条件事件的高阶概率的目标概率水平。该方法包括逐步瞄准分布的尾部和在截尾分布下进行抽样。该模型是GEV或威布尔，其参数的序贯估计涉及到一个改进的极大似然程序的二进制数据，由于大的不确定性与这样一个有限的信息。
2020-04-03 stat.ME
Fitting tails affected by truncation
在若干应用中，最终在最大数据时，在分析统计分布的尾部特征时可以观察到截断效应。在某些情况下，截断效应是通过物理模型预测的，例如地球物理学中的古腾堡-里克特关系，而在其他情况下，测量过程本身的性质可能导致大值的恢复不足，例如由于河流流量读数的洪水。最近，Beirlant等人（2016）讨论了截断Pareto型分布的尾部拟合。从地震分析，水文和钻石估价的例子，我们证明了需要一个统一的处理截断重，轻尾巴的极值分析。我们概括了经典的峰值超过阈值的方法，为不同的最大吸引域的形状参数$ξ>-1/2$，以允许截断效应。我们使用伪极大似然方法来估计模型参数，并在适当的时候考虑极值分位数估计和截断前分位数水平的重建。我们报告一些模拟实验，并提供一些基本的渐近结果。
2017-05-05 stat.ME
Deep neural expected shortfall regression with tail-robustness
针对ES回归因传统框架限制及对重尾分布敏感的问题，提出基于两步法和深度神经网络的鲁棒ES估计器，通过整合Huber损失提升尾部鲁棒性，模拟与实证验证了其准确性与有效性。
2025-11-11 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
Smooth tail index estimation
本文提出用基于对数凹密度估计的分布函数分位数替代次序统计量，构造平滑尾部指数估计量，以改善小样本估计性能，并通过Monte Carlo模拟验证其在均方误差上显著优于非平滑估计量。
2007-07-31 math.ST stat.ME stat.TH
Deep Quantile and Deep Composite Model Regression
精算索赔额建模的一个主要困难是，没有一个简单的现成的分布，同时提供了一个良好的分布模型的主体和尾部的数据。特别是，协变量对于小索赔额和大索赔额可能有不同的影响。为了解决这个问题，我们引入了一个深度复合回归模型，其拼接点是根据条件索赔额分布的分位数而不是常数给出的。为了便于M-估计这样的模型，我们介绍和严格一致的评分函数组成的三分位数，以及下和上超出该分位数的预期不足的类的特征。在第二步中，将此启发性结果应用于拟合深度神经网络回归模型。我们证明了我们的方法的适用性和它的优越性，在一个真正的意外保险数据集上的经典方法。
2021-12-06 econ.EM q-fin.ST stat.ME
