Hierarchical Transformed Scale Mixtures for Flexible Modeling of Spatial Extremes on Datasets with Many Locations
灵活的空间模型，允许尾部依赖类之间的过渡最近出现在文献中。然而，这些模型的推断是计算上禁止的，即使在中等尺寸，由于重复评估的多元高斯分布函数的必要性。在这项工作中，我们试图实现真正的高维推理的极端空间过程，同时保留所需的灵活性，在尾部依赖结构，通过修改已建立的一类模型的基础上规模混合高斯过程。我们表明，所需的极值依赖性从原始模型下的修改，并证明相应的贝叶斯分层模型不涉及昂贵的计算的多元高斯分布函数。我们将我们的模型拟合到高阈值的概率，并执行覆盖分析和跨模型检查，以验证其捕获不同类型尾部特征的能力。我们使用标准的自适应Metropolis算法进行模型拟合，并通过并行化和Rcpp进一步加速计算。最后，我们将该模型应用于美国大平原地区的火灾威胁指数数据集，该地区易受大规模破坏性野火的影响。我们发现，联合尾部的火灾威胁指数表现出衰减的依赖结构，不能被捕获的限制极值模型。
2019-12-09 math.ST stat.ME stat.TH
Bridging Asymptotic Independence and Dependence in Spatial Extremes Using Gaussian Scale Mixtures
高斯尺度混合物被构造为具有随机方差的高斯过程。它们具有非高斯边缘，并且可以表现出与高斯过程不同的渐近依赖性，高斯过程除了完全依赖的情况外是渐近独立的。在本文中，我们详细研究了高斯尺度混合物的极值依赖性质，我们统一和扩展的联合尾衰减率在渐近依赖和独立的情况下的一般结果。出于对空间极值的分析，我们提出了几种灵活而简约的参数Copula模型，这些模型可以从渐近依赖平滑地插值到独立性，并将高斯依赖作为特例。我们展示了如何使用删失似然方法将这些新模型拟合到高阈值的一致性，并且我们证明了它们提供了有关尾部特征的有价值的信息。我们的参数方法优于广泛使用的非参数$χ$和$\barχ$统计，通常用于指导模型选择在探索阶段，通过借用跨位置的强度，更好地估计渐近依赖类。我们证明了我们的方法的能力，充分捕捉极端属性的风速数据收集在太平洋西北部，美国。
2017-01-27 stat.ME
Semi-parametric modeling of excesses above high multivariate thresholds with censored data
如何将删失数据纳入统计分析是统计学中经常遇到的问题。在多变量极值中，大观测值的相关结构可以用非参数角度测度来表征，而超过渐近大阈值的边际超额具有参数分布。本文提出了一种适用于角度测度的半参数Dirichlet混合模型，并将其应用于删失数据和缺失分量的情形.一个主要的问题是要考虑审查区间重叠的极值阈值，不知道是否相应的隐藏数据实际上是极端的。此外，贝叶斯推断所需的截尾似然没有解析表达式。第一个问题是解决使用泊松过程模型的极端，而数据增强计划避免了多变量整合的泊松过程强度在两个截尾区间和故障区域以上的阈值。实现MCMC算法允许同时估计的边缘和相关参数，使所有来源的不确定性以外的模型偏差捕获的后验可信区间。模拟和真实数据的方法说明。
2014-12-02 stat.AP stat.ME
A Hierarchical Max-Infinitely Divisible Spatial Model for Extreme Precipitation
了解极端降水的空间范围对于确定洪水风险和充分设计基础设施（例如，雨水管）以承受这种危险。虽然环境现象通常在越来越极端的水平上表现出减弱的空间依赖性，但块最大值的极限最大稳定过程模型具有刚性依赖结构，无法捕获这种类型的行为。我们提出了一个灵活的贝叶斯模型，从一个更广泛的家庭（有条件）最大无限可分的过程，允许削弱空间依赖性在越来越极端的水平，由于层次表示的可能性方面的随机效应，我们的推理方法规模大的数据集。因此，我们的模型不仅具有灵活的依赖结构，但它也允许快速，完全贝叶斯推断，预测和条件模拟在高维。所提出的模型是使用灵活的随机基函数，估计从数据，允许直接检查的极端的主要空间模式。此外，所描述的过程具有（条件）的最大稳定性作为一个特殊的情况下，使推断的尾部依赖类可能。我们将我们的模型应用于美国东北部的极端降水，并表明所提出的模型充分捕捉了数据的极端行为。有趣的是，我们发现，从我们的模型估计的空间变化的主要模式类似于在沿海发生的极端降水事件中观察到的模式（例如，有局部的热带气旋和对流风暴）和山脉边界。我们的模型可以很容易地适应其他类型的环境数据集，因此对于识别极端天气模式和风险区域非常有用。
2020-03-23 stat.AP
A Geometric Framework for the Bayesian Estimation of Joint Environmental Extremes
University of Arkansas（阿肯色大学）；OpenEVT
本研究提出一种双变量极值贝叶斯建模框架，采用几何极值框架分解数据为角度与径向分量，通过周期M-样条和贝塞尔样条估计分布，经数值实验与火灾天气案例验证，可有效估计联合尾部失效集的极端概率。
2026-10-16 stat.AP stat.ME
Gaussian mixture copulas for flexible dependence modelling in the body and tails of joint distributions
本文提出基于高斯混合的连接函数模型，无需定义极端区域即可统一建模主体与尾部相依结构，可扩展至高维并兼顾渐近相依与独立情形，通过模拟和五维空气污染数据验证其灵活性与图结构识别能力。
2025-03-08 stat.AP stat.ME
Geometric criteria for identifying extremal dependence and flexible modeling via additive mixtures
本文提出基于几何准则的极值依赖识别方法，通过加性混合度量函数实现灵活建模，提供了一种高效且可靠的替代方案。
2025-12-30 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
Flexible Modeling of Multivariate Spatial Extremes
我们开发了一个新的多因素copula模型的多变量空间极值，它的目的是捕捉不同的组合的边际和跨极值依赖结构内和跨不同的空间随机场。我们提出的模型，这可以被看作是一个多因素copula模型，可以捕捉所有可能的不同组合的极值依赖结构在每个单独的空间过程中，同时允许灵活的跨过程极值依赖结构的上尾和下尾。我们展示了如何使用马尔可夫链蒙特卡罗算法的基础上精心设计的块建议与自适应步长的贝叶斯推断所提出的模型。在我们的实际数据应用中，我们应用我们的模型来研究在美国东南部的阿拉巴马州的日最高气温（TMAX）和日最低气温（TMIN）的上，下极值依赖结构。拟合的多变量空间模型被发现提供了一个很好的适合在下和上联合尾，无论是在每个单独的过程中的空间依赖结构，以及在跨过程的依赖结构。我们的研究结果表明，TMAX和TMIN过程在阿拉巴马州的空间依赖性很强，并适度交叉依赖。从实际的角度来看，这意味着，它可能是值得的模型，他们联合时，利益在于计算空间风险的措施，涉及两个数量。
2022-06-22 stat.ME
A Model-Free Selection Criterion For The Mixing Coefficient Of Spatial Max-Mixture Models
极值理论的一个主要问题是量化联合尾部之间的相关性。使用在联合尾部缺乏灵活性的随机过程可能会导致严重低估或高估与同时发生的极端事件相关的概率。根据最近的进展，在文献中，一个灵活的模型称为最大混合模型已被引入建模的情况下，极值依赖结构可能会随着距离而变化。在本文中，我们提出了一个非参数模型的混合系数的选择标准，我们的标准是来自一个madogram，一个概念，经典的地质统计学捕捉空间结构。该过程是基于一个非线性最小二乘法之间的理论madogram和经验之一。我们进行了模拟研究，并将我们的标准应用于澳大利亚东部的每日降水量。
2018-01-03 math.PR math.ST stat.TH
Flexible Modeling of Nonstationary Extremal Dependence using Spatially-Fused LASSO and Ridge Penalties
提出一种基于非平稳核卷积和空间融合 LASSO/Ridge 惩罚的局部平稳 max-stable process 模型及子区域合并算法，有效估计大型复杂空间区域的极值依赖结构，提升了模型拟合与可解释性。
2024-04-30 stat.ME
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
Explaining the unexplainable: leveraging extremal dependence to characterize the 2021 Pacific Northwest heatwave
本文利用考虑站点间极端依赖性的空间极值模型，结合人为强迫与自然变率，刻画2021年太平洋西北热浪，证明该模型显著优于单站分析并能预判96%以上的观测高温。
2023-07-07 stat.AP stat.ME
Estimating Extremal Dependence in Univariate and Multivariate Time Series via the Extremogram
Davis和Mikosch [7]介绍了极值图作为一种灵活的定量工具，用于测量平稳时间序列中各种类型的极值相关性。在那里，我们展示了样本极值图的一些标准统计特性。一个主要的困难是为极值图建立可信的置信带。在本文中，我们采用平稳的引导，以克服这个问题。此外，我们引入交叉极值图作为两个或多个时间序列之间的极值序列相关性的度量。我们还研究了极值事件之间的返回时间的极值图。平稳引导的极值图和由此产生的解释的使用说明在几个单变量和多变量的金融时间序列的例子。
2011-07-27 math.ST stat.ME stat.TH
Modelling non-stationary extremal dependence through a geometric approach
本文通过几何方法将极值相依性建模扩展到非平稳情形，提出半参数框架估计极限集，经模拟验证稳健，并应用于金融数据。
2025-09-26 stat.AP stat.ME stat.ML
High-dimensional inference using the extremal skew-$t$ process
最大稳定过程是研究环境极值的常用工具，而极值偏斜$t$过程是一个允许灵活极值依赖结构的通用模型。对于高维数据的最大稳定过程的推断，精确的基于似然的估计在计算上是困难的。复合似然，使用低维组件，和斯蒂芬森-唐似然，使用最大值的发生时间，都是有吸引力的方法来规避这个问题的中等尺寸。本文建立了极值斜$t$过程的模拟和推理的理论公式。我们还将Stephenson-Tawn的概念融入到复合似然框架中，为高阶复合似然提供更高的统计和计算效率。我们比较了2路（成对），3路（三重），4路，5路和10路复合似然模型高达100个维度。此外，我们提出了CDF近似的Stephenson-Tawn似然函数，导致大的计算增益，并使模型在大尺寸的准确拟合，只有几分钟。我们说明了我们的方法与应用程序的90维温度数据集从澳大利亚墨尔本。
2020-04-18 stat.ME
Estimating the limiting shape of bivariate scaled sample clouds: with additional benefits of self-consistent inference for existing extremal dependence properties
本文针对二元缩放样本云的极限形状开发了首个统计推断方法，构建了联合尾部统一推断框架，并为多种极值依赖度量提供了首套自洽估计量，避免了现有方法可能产生的矛盾结论。
2024-09-20 stat.ME
Fast and flexible inference for spatial extremes
本文针对高维空间极端事件建模的计算难题，提出了满足指数测度连续性的skewed Brown-Resnick和truncated extremal-t模型，并基于过程强度函数设计了一种统计与计算高效的推断方法。
2025-05-30 stat.ME
Extreme value methods for estimating rare events in Utopia
本文面向 EVA (2023) 数据挑战赛的四类极值估计任务，分别采用广义加性模型、多变量依赖扩展模型及聚类降维与条件建模，处理非平稳单变量和高维多变量稀有事件概率估计。
2024-06-14 stat.AP stat.ME
Modeling Nonstationary Extremal Dependence via Deep Spatial Deformations
University of Edinburgh（爱丁堡大学）
本文提出深度组合空间模型以建模极值依赖中的非平稳性，通过高效推断方法处理极限r-Pareto过程，验证了在高维模拟中模型的优越性，并应用于英国降水极值建模。
2026-04-19 stat.ME stat.ML
A semiparametric approach for bivariate extreme exceedances
尾上的推论仅通过应用极值理论的结果来执行。虽然这种理论在单变量的情况下是很好的定义和足够的灵活性，多变量推理方法往往需要强加任意的约束，而不是完全合理的基础理论。相比之下，我们的方法只使用理论施加的约束。我们建立在以前的，理论上合理的工作，在一个高的，未知的阈值的边际copucances，通过结合它与灵活的，半参数copulae规格，调查极端的依赖。虽然概率判断的极端政权的所有边际变量，我们的方法正式使用完整的数据集，并允许各种模式的依赖，无论是极端与否。一个新的概率准则量化的可能性，数据表现出渐近独立的介绍和其鲁棒性的实证研究。极值分析中感兴趣的函数的估计是通过MCMC算法进行的。注意力也致力于新的极端观测的预测。我们的方法进行评估，通过一系列的模拟，应用到真实的数据集和评估对竞争的方法。证据表明，大部分的数据不偏置，并改善了极端依赖的推理过程。
2017-08-10 stat.ME
Extreme Dependence Models
真实现象的极端值是以低频率发生的事件，但可能对现实生活产生重大影响。在许多实际问题中，它们本质上是高维的（例如Tawn，1990; Coles and Tawn，1991）。研究这些事件具有根本的重要性。为此，概率模型和统计方法的需求很高。如Falk等人（2011年）所述，有几种方法可以对多变量极值进行建模，这些方法在一定程度上相互关联。我们描述了一种方法来推导多元极值模型，我们说明了一些灵活的极值相关模型的主要特点。我们比较他们的实用程序与一个真实的数据应用，特别是在英国利兹市记录的几种污染物之间的极端依赖分析。
2015-08-23 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
Asymmetric tail dependence modeling, with application to cryptocurrency market data
自2008年比特币问世以来，加密货币在电子商务领域发挥了越来越大的作用，但2018年加密货币市场最近的动荡引发了人们对其稳定性和相关风险的担忧。对于投资者来说，揭示加密货币之间的依赖关系对于更具弹性的投资组合多样化至关重要。此外，两个尾部的随机行为都很重要，因为多头头寸对价格下跌敏感（下尾），而空头头寸对价格上涨敏感（上尾）。为了评估这两种风险类型，本文提出了一种灵活的Copula模型，它能够同时在其上下尾分别捕获渐近相关性或独立性。我们提出的模型是简约的，并顺利桥梁（在每个尾巴）在内部的参数空间的极值依赖类。使用完全或截尾似然方法进行推断，并通过模拟研究了估计在三种不同的截尾方案下的效率，这些方案减少了非极端观测的影响。我们还开发了一种局部似然方法来捕获两种主要加密货币之间极值依赖的时间动态。在这里，我们将我们的模型应用于五种主要冷冻货币的历史收盘价，这些货币分享了大部分加密货币的市值。结果表明，我们提出的copula模型优于其他copula模型，并且大多数领先加密货币对（特别是比特币和以太坊）之间的下尾依赖水平随着时间的推移变得越来越强，近年来从渐近独立状态平稳过渡到渐近依赖状态，而上尾在较弱的依赖水平下总体上相对更稳定。
2021-04-13 stat.AP stat.ME
Measuring Extreme Tail Association
Singapore University of Technology and Design（新加坡科技设计大学）；Viterbi School of Engineering, University of Southern California（南加州大学维特比工程学院）
本文提出一种基于排名的极值尾部关联测量方法，用于量化变量在极值尾部区域的单向影响，同时开发了检验尾部关联不对称性的统计检验方法。
2026-03-13 math.ST stat.ME stat.TH
A sub-asymptotic model for bivariate threshold exceedances
UCLouvain（天主教鲁汶大学）；Laboratoire des Sciences du Climat et de l’Environnement (IPSL, CNRS, CEA, UVSQ)（气候与环境科学实验室（IPSL，CNRS，CEA，UVSQ））
本文提出了一种灵活的亚渐近参数模型，用于建模双变量阈值超额，能够捕捉广泛的尾部依赖行为，并在保留单变量GP尾部时作为极限情况。
2026-04-14 stat.ME
Max-infinitely divisible models and inference for spatial extremes
对于许多环境过程，最近的研究表明，依赖强度下降时，分位数水平的增加。这意味着流行的最大稳定模型不足以捕捉联合尾部衰减的速率，也不足以估计超出观测水平的联合极值概率。在这里，我们开发了一个更灵活的建模框架的基础上的类的最大无限可分的过程，扩展最大稳定的过程，同时保留的依赖性质，是自然的最大值。我们提出了两个参数结构的最大无限可分模型，放松的最大稳定性，但仍然接近一些流行的最大稳定模型作为特殊情况。第一个模型考虑了有限的，随机数的独立观测的最大值，而第二个模型概括了最大稳定过程的谱表示。使用成对似然进行推断。我们说明了我们的新的建模框架在不同的时间单位计算荷兰阵风最大值的好处。结果强烈表明，我们提出的模型优于其他自然模型，如学生t copula过程及其最大稳定极限，即使是大的块大小。
2020-05-13 stat.ME
Extreme event propagation using counterfactual theory and vine copulas
了解多元极端事件在管理复杂系统的风险方面发挥着至关重要的作用，因为极端事件是由其自身的机制控制的。以给定变量超过高阈值为条件（例如\交通强度），了解哪些高影响量（例如空气污染物水平）在未来最有可能达到极限是关键。本文研究了边际极端事件对相关量的未来极端事件的贡献。我们提出了一个极端事件传播框架，以最大限度地提高已知原因和未来高影响量之间的反事实因果关系概率。极值理论提供了一个工具，用于模拟上尾，而藤连接是一个灵活的设备，用于捕捉各种各样的联合极值行为。我们优化了因果关系的概率，并将我们的框架应用于伦敦道路交通和空气污染物数据集。我们复制记录的大气机制超越线性关系。这提供了一个新的工具，用于量化极端的传播在各种各样的应用。
2021-06-25 stat.ME stat.OT
Modeling high and low extremes with a novel dynamic spatio-temporal model
针对现有动态时空模型难捕捉极值、空间极值模型多假设时间独立的问题，提出采用尾指数可变的轻重尾分布混合的新型动态时空模型，可识别时空极值相关性、量化不确定性并支持缺失值预测，经美国中部小时级颗粒物再分析数据集验证有效。
2025-08-02 stat.ME
Exceedance-based nonlinear regression of tail dependence
多元数据中极值同现的概率和结构可能严重依赖于协变量提供的辅助信息。在这方面的贡献，我们开发了一个灵活的广义加性建模框架的基础上估计协变量依赖的联合尾部特征的渐近依赖和渐近独立的制度的高阈值的一致性。该框架是基于适当定义的边缘预变换和预测的随机向量沿方向的单位单纯形，这导致方便的单变量表示的多变量的一致性的基础上的指数分布。我们的估计的非参数设计的影响协变量极值系数和尾部相关系数的良好性能，通过模拟研究。我们说明了我们的建模框架的有用性，在法国记录的二氧化氮测量在1999年和2012年之间，在那里我们使用广义加性框架建模边缘分布和尾部依赖于每月最大值的大型数据集。我们的研究结果意味着在不同的站点观测到的数据的渐近独立性，我们发现，尾部依赖的估计系数作为空间距离的函数降低，并显示不同的年份和不同类型的站点（交通与背景）不同的模式。
2018-02-05 stat.ME
