Tail maximal dependence in bivariate models: estimation and applications
评估金融工具共同运动的相关性在风险管理中一直很有意义。通常，尾部依赖指数被用来量化这种依赖的强度，尽管许多指数低估了这种强度。因此，我们主张使用的统计程序，旨在估计可能发生的共同运动之间的最大强度的依赖。我们用模拟和真实的数据集来说明这个过程。
2022-09-19 stat.AP stat.ME
Bayesian Multilevel Bivariate Spatial Modelling of Italian School Data
本文使用空间贝叶斯多层回归模型结合双变量ICAR潜在效应，研究意大利高中学生能力与市镇基础设施禀赋的关系，发现基础设施和空间结构化潜在效应对解释学生成绩差异均具有显著作用。
2024-12-23 stat.AP stat.ME
A bivariate logistic regression model based on latent variables
二元和有序数据的双变量观测经常出现，并且在人们对作为单独结果的边缘分布的各个方面以及两者之间的关联感兴趣的情况下需要双变量建模方法。我们考虑的方法来构建这样的二元模型的逻辑边缘，并提出了一个模型的基础上的Ali-Mikhail-Haq二元逻辑斯谛分布。我们激励的模型作为一个扩展的Gumbel 2型分布的基础上考虑由其他作者，并作为一个二元扩展的逻辑斯谛分布，它保留了某些自然特征。所获得的模型的基本属性进行了研究，并说明了所提出的方法，通过分析两个数据集，一个描述挪威徒步旅行者的徒步旅行习惯，其他来自视觉识别和意识的认知实验。
2019-10-02 stat.ME
Modelling across extremal dependence classes
不同的依赖情景可能会出现在多元极端，需要仔细选择一个适当的模型类。在二元极值中，变量要么是渐近相关的，要么是渐近独立的。大多数可用的统计模型适合这些情况中的一种或另一种，但不是两种情况都适合，导致推断中的一个阶段无法解释，但可能会严重影响随后的外推。现有的建模解决方案，这个问题要么只适用于子域，或呼吁多个极限理论。我们引入了一个统一的表示为双变量的极端，包括各种各样的依赖场景，并适用于当至少有一个变量是大的。我们的代表激励参数模型，包括两个依赖类。我们实现了这个模型的一个简单版本，并表明它在一系列设置中表现良好。
2015-10-29 stat.ME
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
Modelling handball outcomes using univariate and bivariate approaches
针对手球进球数相对 Poisson 分布低离散的问题，本文通过建模分差，提出 Skellam 回归、零膨胀及其他整数分布模型，并用 copulas 构建刻画上下半场的双变量模型，在德国 Bundesliga 数据上验证其潜力。
2024-04-05 stat.AP stat.ME
Dynamic Bivariate Normal Copula
相关系数在$-1$和$1$之间的正态copula是尾部独立的，因此它严重低估了极端概率。通过让正态copula中的相关系数依赖于样本量，Hüsler和Reiss（1989）表明尾部可以变得渐近相关。在本文中，我们通过导出$n$独立观测值的归一化最大值的极限来扩展这个结果，其中$i$观测值来自一个正态copula，其相关系数是$i/n$的参数或非参数函数。此外，参数和非参数推断这个未知函数的研究，可以用来测试的条件Hüsler和Reiss（1989）。并进行了仿真研究和实测数据分析。
2015-05-14 stat.ME
Copula-Based Bivariate Kumaraswamy-Teissier Distributions: Modeling Temperature-Rainfall Dependence and Compound Extremes
本研究提出两种基于Copula的双变量Kumaraswamy-Teissier分布，用于建模气温与降水的依赖关系，经模拟和喜马拉雅地区数据验证，其拟合效果优于现有模型，可量化复合极值风险。
2026-09-07 stat.ME
Modelling multivariate ordinal time series using pairwise likelihood
Athens University of Economics and Business（雅典经济与商业大学）
本文提出利用Copula和条件配对似然建模多变量有序时间序列，通过独立最大化双变量模型并使用加权平均合成估计，展示了在不同样本量下的良好拟合效果和预测方法。
2026-02-13 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
A Nonparametric Method for Producing Isolines of Bivariate Exceedance Probabilities
本文提出了一种二元数据等值线的绘制方法。该方法依赖于二元规则变化，一种广泛用于极端情况的依赖框架。该框架能够绘制对应于非常低的重复概率的等值线，并且这些线可能超出数据的范围。我们用来描述尾部依赖性的方法在很大程度上是非参数的。此外，我们将这种方法的渐近独立的情况下，并提出了一个程序，平滑过渡从内部的渐近独立的轴上的一阶行为。我们提出了一个诊断图评估等值线估计和选择平滑，和自助程序，以直观地评估不确定性。
2017-10-14 stat.ME
Improving estimation for asymptotically independent bivariate extremes via global estimators for the angular dependence function
针对二元变量渐近独立极值依赖建模问题，提出角依赖函数的全局估计量，通过模拟和英国河流数据案例验证其性能。
2024-06-26 stat.AP stat.ME
Bivariate geostatistical latent variable models for the analysis of antibody density data
University of Birmingham（伯明翰大学）；Lancaster University（兰卡斯特大学）；Lund University（隆德大学）
本文提出双变量地质统计潜变量模型，用于分析抗体密度数据，可捕捉抗体反应的环境与宿主内相关性，经肯尼亚疟疾血清数据验证，忽略相关性会降低推断效果。
2026-08-31 stat.ME
A bivariate two-state Markov modulated Poisson process for failure modelling
本文基于Marshall-Olkin指数分布提出二维MMPP以建模两列相关故障间隔时间，并用矩匹配结合ABC算法完成推断，在公共交通真实数据上估计了可靠性指标。
2024-01-26 stat.CO stat.ME
A Bayesian Approach for Nonignorable Dropout in Bivariate Longitudinal Models
Maastricht University（马斯特里赫特大学）；University of Florida（佛罗里达大学）；University College London（伦敦大学学院）
提出贝叶斯非参数方法处理双变量纵向数据中的非随机缺失，通过联合建模各响应的退出过程并利用识别约束处理数据复杂性，应用于成本效果评估。
2026-06-25 stat.ME
A Model for Censored Reliability Data with Two Dependent Failure Modes and Prediction of Future Failures
本文提出具有不同形状参数的双变量Weibull模型来建模两种相依失效模式的截尾可靠性数据，并开发频率学派与贝叶斯推断及未来失效预测方法，通过模拟和真实设备失效数据验证了方法的有效性。
2022-06-26 stat.ME
Bivariate vine copula based regression, bivariate level and quantile curves
本文利用基于vine copula的二元回归模型的水平曲线构建二元条件分位数，提出一种对称处理双响应变量的图结构模型，有效避免了传统回归缺陷，并在天气数据中验证了联合建模的优势。
2023-07-03 math.ST stat.ME stat.ML
A geometric investigation into the tail dependence of vine copulas
藤连接函数是一种多元依赖模型，由一组根据特定的底层图形结构组合的二元连接函数组成。他们的灵活性和实用性，在中等和高的维度作出了贡献的普及藤copula，但相对较少的关注已经支付给他们的极值性质。为了解决这个问题，我们提出了一些研究最广泛的葡萄树copula类的尾部依赖特性的结果。我们的研究重点是尾部依赖系数和样本云的渐近形状，我们使用Nolde（2014）的几何方法计算。我们提供了新的见解，提出了三变量藤copula构造的结果，从渐近依赖和渐近独立的二元copula，专注于二元极值和倒极值copula，与额外的细节提供了逻辑和倒逻辑的例子。我们还提出了新的理论，一类高维藤copula，构造从二元倒极值copula。
2020-12-17 math.ST stat.ME stat.TH
Semiparametric Estimation of the Shape of the Limiting Bivariate Point Cloud
提出基于 Bezier splines 和 Bayesian 方法估计二元点云极限集形状的半参数模型，保证后验样本为有效边界，并应用于火灾风险与空气污染极值数据。
2025-04-03 stat.ME
Inference for bivariate extremes via a semi-parametric angular-radial model
本文提出一种基于半参数角-径模型的多元极值推断新框架，克服了现有方法在依赖形式和参数假设上的局限，提供评估联合尾部行为的统一范式及不确定性和拟合优度评估技术，在模拟和海洋气象数据上表现良好。
2024-07-09 stat.AP stat.ME
Modelling non-stationarity in asymptotically independent extremes
针对渐近独立极值中的非平稳性，提出半参数建模框架捕捉二元极值依赖趋势，并在英国气候预测数据中检测显著趋势，结合边际非平稳性模型估计未来二元风险。
2024-04-22 stat.AP stat.ME
An M-estimator of spatial tail dependence
吸引到一个最大稳定的法律分布的尾部依赖模型拟合使用高于一个高阈值的观察。为了处理空间，高维数据，基于秩的M-估计提出了依赖于双变量的利润。一个数据驱动的权重矩阵被用来最小化渐近方差。经验过程论证表明，该估计量是相合的且渐近正态的。它的有限样本的性能进行评估，在模拟实验中涉及流行的最大稳定过程加性噪声扰动。对荷兰风速数据的分析说明了这种方法。
2015-01-09 stat.ME
Copula-based Semiparametric Regression Method for Bivariate Data under General Interval Censoring
这项研究的动机是发现和支持双侧眼病进展的遗传原因，黄斑相关性黄斑变性（AMD），其主要结局（进展至晚期AMD的时间）是双变量的，并且由于间歇性评估时间而间隔删失。本文提出了一类新的基于Copula函数的一般区间删失双变量数据的半参数变换模型，包括区间删失情形1（当前状态数据）和区间删失情形2.具体地说，联合似然建模通过两个参数阿基米德copula，它可以灵活地表征在两个尾部的两个边缘之间的依赖性。边缘分布是通过半参数转换模型使用筛子，与比例风险或赔率模型是一个特殊的情况。我们开发了一个计算效率高的筛极大似然估计程序的未知参数，以及一个广义得分测试的回归参数（S）。对于有限维参数的筛估计，我们建立了它们的渐近正态性和有效性。进行了大量的模拟，以评估所提出的方法在有限样本的性能。最后，我们将我们的方法应用于使用AMD相关眼病研究（AREDS）数据的AMD进展的全基因组分析，以成功识别与疾病进展相关的新风险变体。我们还为具有不同遗传特征的患者预测了联合和条件性无进展概率。
2019-08-20 stat.ME
Tail-robust factor modelling of vector and tensor time series in high dimensions
针对重尾高维向量与张量时间序列因子建模问题，提出结合张量分解两步法与数据截断的鲁棒估计方法，推导其理论性质，给出因子数确定准则，经模拟和宏观数据验证性能良好。
2025-09-05 stat.ME
Inference on the tail process with application to financial time series modelling
为了推断重尾马尔可夫链中的序列极值依赖性，Drees，Segers和Warchoirs [Extremes（2015）18，369- 402]提出了谱尾过程的非参数估计。该方法可以扩展到更一般的设置一个固定的，定期变化的时间序列。利用聚类泛函的经验过程理论，得到了估计量的大样本分布。通过蒙特卡罗模拟评估这些估计的有限样本性能。此外，两个不同的引导计划，产生置信区间的前渐近谱尾过程：平稳引导和乘子块引导。将该估计应用于股票价格数据，研究了正负冲击的持续性。
2018-01-29 stat.ME
Modelling heavy tail data with bayesian nonparametric mixtures
Department of Statistics, ITAM, Mexico（墨西哥自治工业大学统计系）
本文提出用贝叶斯非参数混合模型建模厚尾数据，通过移位伽玛-伽玛分布和归一化稳定过程进行建模，并利用MCMC方法进行后验推断。
2026-07-30 stat.ME
A new class of composite GBII regression models with varying threshold for modelling heavy-tailed data
本文提出用众数匹配法拼接两个GBII分布的变阈值复合回归模型，以同时建模小额与大额重尾保险索赔，并通过模拟及丹麦火灾、中国医保理赔数据验证其估计与预测效果。
2024-01-26 stat.ME
CoVaR under Asymptotic Independence
Shanghai University of International Business and Economics（上海对外经贸大学）；Central University of Finance and Economics（中央财经大学）；Fudan University（复旦大学）
本文提出了一种半参数方法，在双变量极值理论框架下估计渐近独立对的CoVaR，并通过模拟和实际数据验证了其稳健性和有效性。
2026-02-11 stat.ME
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
Maximum weighted likelihood estimator for robust heavy-tail modelling of finite mixture models
本文给出了重尾有限混合模型（FMM）的最大加权似然估计（MWLE）的稳健估计。这是由保险索赔严重性数据的复杂分布现象所激发的，其中需要灵活的密度估计工具，例如FMM，但MLE经常在FMM下产生不稳定的尾部估计。在一定的正则条件下，证明了MWLE是相容的，并且是渐近正态的。我们进一步证明了MWLE得到的尾部指数是一致的，即使模型是错误的，证明了MWLE在估计FMM尾部的鲁棒性。广义期望最大化（GEM）算法对MWLE进行概率解释，仍然适用于有效的参数估计。因此，我们提出并比较了两个独特的完整数据的结构来实现GEM算法。通过举例说明我们的方法在两个模拟研究和一个真正的汽车保险数据集，我们表明，相比MLE，MWLE产生更适当的估计FMM的尾部，而不会牺牲太多的灵活性FMM在捕捉身体的一部分。
2021-08-03 stat.ME
Joint discrete and continuous matrix distribution modelling
在本文中，我们介绍了一个二元分布的$\mathbb{R}_{+} \times \mathbb{N}$产生的一个单一的潜在的马尔可夫跳过程。边缘分布分别是相位型分布和离散相位型分布，这允许用于建模目的的灵活行为。我们表明，分布是密集的分布类$\mathbb{R}_{+} \times \mathbb{N}$，并推导出它的一些主要性质，所有明确的矩阵演算。在此基础上，提出了一种有效的期望最大化算法，用于分布参数的统计估计。在本文的最后一部分，我们将我们的方法应用于保险数据集，在那里我们对保单持有人的索赔数量和平均索赔额进行建模，这被认为表现良好。后一种分析的另一个结果是，整个投资组合的总损失规模比独立的阶段型模型更好地捕捉。
2022-07-04 stat.ME
A mixed effect model for bivariate meta-analysis of diagnostic test accuracy studies using a copula representation of the random effects distribution
诊断测试准确性研究通常报告真阳性、假阳性、真阴性和假阴性的数量。真阳性和真阴性的数量之间通常存在负相关，因为采用不太严格的标准宣布试验阳性的研究会引起更高的灵敏度和更低的特异性。广义线性混合模型（GLMM）是目前推荐的综合诊断试验的准确性研究。我们提出了一个Copula混合模型，用于诊断试验准确性研究的双变量荟萃分析。我们的一般模型包括GLMM作为一个特殊的情况下，也可以操作的灵敏度和特异性的原始规模。通过分位数回归技术和不同的双变量随机效应分布特征，推导出该模型的受试者工作特征曲线。我们的一般方法是证明了广泛的模拟研究，并说明了重新分析的数据，两个发表的荟萃分析。我们的研究表明，可以有一个改进的GLMM在适合的数据，并提出了论点，为移动到copula随机效应模型。我们的建模框架在开源统计环境R中的CopulaREMADA包中实现。
2015-02-26 stat.AP stat.ME
Quasi-conjugate Bayes estimates for GPD parameters and application to heavy tails modelling
本文提出了一种基于准共轭贝叶斯方法的广义帕累托分布（GPD）参数、分布尾部和极值分位数的估计方法。将Γ分布上的Damsleth共轭Bayes结构转化为GPD。后验估计，然后计算吉布斯采样与黑斯廷斯-大都会步骤。精确的贝叶斯可信区间也被定义，它们提供了极端事件估计质量的评估。在这项工作中使用的经验贝叶斯方法，但建议的方法可以将先验信息。结果表明，所得到的准共轭贝叶斯估计比较以及与GPD标准估计时，模拟和真实数据集进行了研究。
2011-03-31 stat.ME
A New Asymmetric Copula with Reversible Correlations and Its Application to the EU Sovereign Debt Crisis
提出了一种基于二元分裂正态分布的非对称copula函数。该Copula函数可以独立地改变其分布的上下尾的相关符号。作为应用，滚动极大似然估计表明，在主权债务危机爆发后，欧盟外围国家的下尾相关系数由负变正。相比之下，德国在危机前后的股票-债券相关性为负。
2021-08-18 stat.ME
A modified version of the inference function for margins and interval estimation for the bivariate Clayton copula SUR Tobit model: An simulation approach
本文通过Clayton Copula函数对二元似不相关回归（SUR）Tobit模型的非线性相关结构进行建模，扩展了模型的分析.捕获/建模SUR Tobit模型的下尾依赖性的能力（其中某些数据被删失（通常在零点））是Clayton copula的另一个有用功能。我们提出了一种改进的边际推断函数（IFM）方法（Joe和Xu，1996），我们称之为MIFM方法，以获得边际参数的估计和Copula关联参数的更好（满意）的估计.更具体地说，我们采用数据增广技术在IFM方法的第二阶段，以产生截尾观测（即获得连续的边缘分布，这确保了copula的唯一性），然后估计的依赖参数。恢复程序（自助法）也提出了获得模型参数的置信区间。为了验证MIFM估计的行为（我们专注于copula参数估计）和不同的置信区间的覆盖概率在不同的删失百分比和依赖程度的数据集进行了模拟研究。从模拟（在一定条件下）和实证研究的满意结果表明，我们提出的模型和方法，他们被应用到美国的即食早餐谷物和液体牛奶消费数据建模的良好性能。
2014-04-12 stat.ME
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
A new class of copula regression models for modelling multivariate heavy-tailed data
引入了一类新的Copula函数，称为MGL Copula函数类。新的copula来源于提取多元广义log-Moyal-Γ分布的依赖函数，其边缘遵循\citet{li2019jan}中引入的单变量广义log-Moyal-gamma（GLMGA）分布。MGL Copula可以捕获边缘坐标之间的非椭圆、可交换和非对称依赖关系，并为回归应用提供了一个简单的公式。讨论了MGL copula的概率特征，得到了相应的极值copula，称为MGL-EV copula。虽然生存MGL Copula也可以被视为一个特殊的情况下，从\citet{yang2011generalized}的MGB 2 Copula，我们表明，该模型是有效的依赖结构的回归建模。接下来的模拟研究，我们提出了两个应用程序说明所提出的模型的有用性。这个方法也可以在一个用户友好的R包中实现：\texttt{rMGLReg}。
2021-08-20 stat.ME
Alternative modelling and inference methods for claim size distributions
财产业务线的索赔额分布的上尾通常由帕累托分布建模。然而，上尾不需要是帕累托分布，特殊的形状是可能的。在这里，扩大了损失分布建模的机会。其基本思想是调整其尾部的基础分布。由于不同的原因，（广义）帕累托分布被用作基础分布。上尾是重点，可以很好地模拟特殊情况下的离散混合的基础分布的组合的基础分布与适应分布通过其生存函数的产品。在对数损失与对数不对称概率之间的原线性函数中实现了一种平滑步长。下尾也可以调整。新的方法提供了随机解释的机会，并适用于观察到的损失。对于参数估计，使用最小Anderson Darling距离方法的修改。一个新的测试，建议排除观察到的上尾是更好地模拟一个简单的帕累托分布。应用了Q-Q图，并对次要结果进行了讨论。
2019-05-31 stat.ME
Outlier-robust copula regression for bivariate continuous proportions: an application to cushion plant vitality
Syneos Health；Dept. of Mathematical Statistics and Actuarial Science, University of the Free State（自由州大学数学统计与精算科学系）；CEMSE Division, King Abdullah University of Science and Technology（阿卜杜拉国王科技大学CEMSE学部）；Dept. of Statistics, University of Pretoria（比勒陀利亚大学统计学系）；Dept. of Plant and Soil Sciences, University of Pretoria（比勒陀利亚大学植物与土壤科学系）；Dept. of Botany and Plant Biotechnology, University of Johannesburg（约翰内斯堡大学生物学与植物生物技术系）
针对二元连续比例数据的内部异常值与残差依赖问题，提出结合矩形beta边缘与单参数copula的贝叶斯稳健回归方法，经垫状植物调查与模拟验证性能优异，可作为跨领域成对比例数据的稳健分析工具。
2025-11-13 stat.ME
Use of copula to model within-study association in bivariate meta-analysis of binomial data at the aggregate level a Bayesian approach and application to surrogate endpoint evaluation
双变量荟萃分析提供了一个有用的框架，用于合并相关研究的信息，并已被用于合并临床研究的证据，以评价两种结局的治疗疗效。它还被用于研究替代终点的处理效应与最终结局之间的替代模式。替代终点在药物开发中发挥重要作用，因为它们可用于与最终结局相比早期测量处理效应，并预测临床获益或危害。标准双变量荟萃分析方法使用双变量正态分布，在研究内和研究间水平上对观察到的治疗对替代药物的影响和最终结局结局进行建模。对于二项分布数据，可以使用对数比值比尺度上的正态近似。然而，当事件比例接近1或0时，该方法可能导致偏倚结果，影响替代终点的验证。在本文中，我们将探讨在原始二项尺度上对这两种结果进行建模。首先，我们提出了一种使用独立二项似然来模拟研究内变异性的方法，避免近似观察到的处理效应。然而，该方法忽略了研究内关联。为了克服这个问题，我们提出了一种方法，使用二元copula与二项式边际，这使得模型能够考虑研究内的关联。我们应用该方法的一个说明性的例子，在慢性粒细胞白血病完全细胞遗传学反应（CCyR）和无事件生存期（EFS）之间的替代关系进行调查。
2022-05-18 stat.AP stat.ME
Hybrid copula mixed models for combining case-control and cohort studies in meta-analysis of diagnostic tests
Copula混合模型的三变量（或双变量）荟萃分析的诊断测试的准确性研究会计（或不）疾病患病率已被提出在生物统计学文献综合信息。然而，许多系统评价通常包括病例对照和队列研究，因此可以关注病例对照研究的双变量荟萃分析或队列研究的三变量荟萃分析，因为只有后者包含疾病患病率的信息。为了弥补这种浪费数据的情况，我们提出了一个混合copula混合模型，通过组合的二元和三元copula混合模型的病例对照研究和队列研究的数据，分别。因此，该混合模型可以解释研究设计，并且由于其通用性，可以处理联合尾部的依赖性。我们应用所提出的混合copula混合模型的审查性能的当代诊断成像模式检测转移的黑色素瘤患者。
2016-09-14 stat.ME
Copula-based measures of asymmetry between the lower and upper tail probabilities
我们提出了一个基于Copula的测量的双变量分布的上下尾概率之间的不对称性。所提出的措施有一个简单的形式，并拥有一些理想的属性作为衡量不对称性。在一定的条件下，所提出的测度在指数到达其定义域边界时的极限可以用一种简单的形式表示。从Copula样本的建议措施的一个样本模拟和弱收敛到一个高斯过程。另一个样本模拟所提出的措施，这是基于一个样本从分布$\mathbb{R}^2$，给出。给出了基于两个样本相似的区间估计和非参数检验的简单方法。作为一个例子，所提出的措施适用于标准普尔500和日经225的每日收益率。
2020-08-04 stat.ME
Nonparametric estimation of extremal dependence
人们越来越感兴趣的是了解随机向量不仅在其分布的中心，而且在尾部的相关结构。极值理论通过分别对边缘分布和相关结构进行建模来处理对多元分布的联合尾部进行建模的问题。对于估计高水平的相关性，稳定的尾部相关函数和谱测度特别方便。这些对象也在于非参数技术的基础上，在最大域的吸引力设置的极端之间的依赖性建模。在渐近独立的情况下，这种设置是不够的，更精细的尾部依赖系数存在，服务，除其他外，渐近依赖和独立之间的区别。在整个过程中，这些方法都是用财务数据来说明的。
2014-11-03 stat.ME
Boosting Multivariate Structured Additive Distributional Regression Models
我们开发了一个基于模型的助推方法的多变量分布回归的广义可加模型的框架内的位置，规模和形状。我们的方法使所有分布参数的任意参数分布的解释变量条件的多变量响应的同时建模，同时适用于潜在的高维数据。此外，boosting算法结合了数据驱动的变量选择，考虑了各种不同类型的影响。作为我们方法的一个特殊优点，它允许通过相关协变量对多个连续或离散结果之间的关联进行建模。经过详细的模拟研究调查估计和预测性能，我们证明了我们的方法在三个不同的生物医学应用的充分灵活性。第一个是基于来自英国生物银行的高维基因组队列数据，考虑双变量二元反应（慢性缺血性心脏病和高胆固醇）。在这里，我们能够识别对胆固醇和心脏病之间的关联提供信息的遗传变异。第二个应用程序考虑了澳大利亚的医疗保健需求，将咨询次数和处方药数量作为双变量计数响应。第三个应用程序分析了两个方面的儿童营养不良在尼日利亚作为一个双变量响应，我们发现，两个营养不良分数之间的相关性是相当不同的，这取决于儿童的年龄和儿童生活的地区。
2022-07-18 stat.ME
On modelling positive continuous data with spatio-temporal dependence
在本文中，我们集中在一个替代的建模策略，积极的数据表现出空间或时空依赖性。具体来说，我们建议考虑通过单调变换的缩放版本的$χ^2$随机过程的随机过程。后者在专业文献中是众所周知的，并且通过对平方高斯过程的独立副本求和而产生。然而，它们作为随机模型和相关推理的使用并没有得到太多的考虑。出于时空分析的风速数据从网络的气象站在荷兰，我们通过一个非平稳的过程与威布尔边缘分布，我们的建模策略。对于建议的威布尔过程，我们研究的二阶和几何性质，我们提供的二元分布的解析表达式。由于似然性是棘手的，即使是相对较小的数据集，我们建议采用成对似然作为一种工具的推断。此外，我们解决了预测问题，我们提出了一个线性预测。我们的建模策略的有效性，说明通过分析上述风速数据，我们补充了模拟研究。
2020-04-07 stat.ME
Bias Reduced Peaks over Threshold Tail Estimation
近年来，已经进行了几次尝试，以扩大尾部建模对模态部分的数据。Frigessi等人（2002）引入了两个分量的动态混合，权重函数π = π（x）平滑地连接了分布的主体和尾部。最近，Naveau等人（2016）回顾了这一主题，并继续Papastathopoulos和Tawn（2013）的工作，提出了一个符合极值理论的统计模型，并允许模态和尾部之间的平滑过渡。Beirlant等人（2002，2009）证明了峰值超过阈值分布（POT）的二阶收敛率，构建了可以被视为上述两种方法的特殊情况的模型。当拟合这样的二阶模型时，事实证明，与仅使用基于Pareto或广义Pareto拟合阈值分布上的峰值的一阶尾分量的经典尾拟合相比，所得极值估计的偏差显著降低。在本文中，我们提供了新的偏差减少尾部拟合技术，改进了经典的广义帕累托（GP）近似，用于POT，使用了Eschaliec等人（2018）中引入的灵活的半参数GP建模。我们还重新审视并扩展了Beirlant等人（2009年）开始的二阶改进POT方法，使用二阶分量的灵活半参数建模将其扩展到所有最大吸引域。这样我们放松了经典的二阶正则变分假设。
2018-10-02 stat.ME
Bayesian Nonparametric Modelling of Conditional Multidimensional Dependence Structures
近年来，允许变量之间的依赖关系根据一个或多个协变量的值而变化的条件Copula引起了越来越多的关注。在高维中，vine copula比多元copula提供更大的灵活性，因为它们是使用二元copula作为构建块来构建的。在本文中，我们提出了一种新的多元分布的推理方法，它结合了葡萄树结构的灵活性与贝叶斯非参数的优点，不需要指定的参数家庭的每对copula。使用葡萄树表达多变量Copula使我们能够轻松地解释驱动响应变量之间依赖性的协变量规范。更确切地说，我们指定葡萄藤copula密度作为高斯copula的无限混合，定义一个狄利克雷过程（DP）之前的混合措施，我们通过马尔可夫链蒙特卡罗（MCMC）采样进行后验推理。我们的方法是成功的聚类以及密度估计。我们进行了深入的模拟研究，并应用所提出的方法来调查自然灾害对金融发展的影响。我们的研究结果表明，该方法能够捕捉数据集的异质性，并揭示不同国家集群在自然灾害方面的不同行为。
2021-09-22 stat.ME
Causal Modelling of Heavy-Tailed Variables and Confounders with Application to River Flow
受极端河流流量与降水数据启发，提出一种针对重尾变量的新因果发现方法，通过消除或减弱已知潜在混杂因素以实现正确因果推断，并引入新参数估计器与置换检验，模拟验证了其有效性。
2022-12-24 stat.AP stat.ME
Bivariate Analysis of Birth Weight and Gestational Age Depending on Environmental Exposures: Bayesian Distributional Regression with Copulas
在这篇文章中，我们分析了围产期数据与出生体重（BW）作为主要有趣的反应变量。遗传年龄（GA）通常是一个重要的协变量，并包括在多项式形式。然而，与这种单变量回归相反，建议对BW和GA进行双变量建模，以区分对每一个、对两者以及它们之间的影响。而不是一个参数的二元分布，我们应用条件copula回归，其中的边缘分布的BW和GA（不一定是相同的形式）可以独立估计，其中的依赖结构建模条件的协变量分别从这些边缘。在所得到的分布回归模型中，两个边缘和copula参数的所有参数都是观测特定的。除了生物统计和产科信息外，还包括饮用水污染和产妇吸烟数据，作为环境协变量。虽然高斯分布适用于BW，但三参数Dagum分布更好地模拟了倾斜的GA数据。克莱顿copula表现优于Gumbel和对称高斯copula，表明较低的尾部依赖性（当两个变量都很低时，依赖性更强），尽管BW和GA之间的这种非线性依赖性令人惊讶地弱，并且只受剖腹产的影响。一个非线性趋势的BW GA检测到一个经典的单变量模型，是多项式的GA的效果。两个模型对BW均值的线性影响相似，而我们的分布copula回归也揭示了协变量对所有其他参数的影响。
2021-10-31 stat.AP stat.ME
Building up Cyber Resilience by Better Grasping Cyber Risk Via a New Algorithm for Modelling Heavy-Tailed Data
网络安全和弹性是我们现代经济中的主要挑战;这就是为什么它们是政府，安全和国防部队，公司和组织管理议程上的首要任务。因此，需要深入了解网络风险，以提高抵御能力。我们在此建议对{ \it国家宪兵队}的网络投诉数据库进行分析。我们进行这种分析与一个新的算法开发的非负非对称重尾数据，这可能成为一个方便的工具，在应用领域。这种方法给出了一个很好的估计的完整的分布，包括尾部。我们的研究证实了可保性的必要条件--损失期望的有限性。最后，我们得出这个模型的风险管理的后果，比较其结果与其他标准EVT模型，并奠定了基础的基础上的肥胖的尾巴的攻击分类。
2022-09-06 cs.CR stat.ME
Modelling Censored Losses Using Splicing: a Global Fit Strategy With Mixed Erlang and Extreme Value Distributions
在风险分析中，恰当地捕捉损失分布的主体和尾部的全局拟合是至关重要的。由于损失分布的主体和尾部的特定特征，使用标准分布对整个损失范围进行建模通常非常困难，并且通常是不可能的。一个可能的解决方案是在拼接模型中结合两种分布：一种是覆盖轻度和中度损失的机身轻尾分布，另一种是用于捕获大损失的尾部重尾分布。我们提出了一个拼接模型的混合Erlang（ME）分布的身体和帕累托分布的尾巴。这将ME分布的灵活性与Pareto分布建模极值的能力相结合。我们扩展了我们的剪接方法删失和/或截断数据。这类数据的相关例子可在金融风险分析中找到。我们说明了这种拼接模型的灵活性，从风险测量的实际例子。
2017-08-11 stat.AP stat.ME
GPDFlow: Generative Multivariate Threshold Exceedance Modeling via Normalizing Flows
本文提出 GPDFlow，利用归一化流灵活建模 mGPD 的多元阈值超越依赖结构，支持边际尾部推断并推导多种尾部依赖系数，模拟与美国五大银行风险应用显示其优于传统参数方法。
2025-03-14 stat.ME stat.ML
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
Neural Bayes estimation and selection for complex bivariate extremal dependence models
University of Namur（那慕尔大学）；Lancaster University（兰卡斯特大学）；King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
本文提出利用神经网络近似贝叶斯估计器，用于快速拟合和比较复杂极值依赖模型，并通过神经贝叶斯分类器选择最佳模型。
2025-10-20 stat.ME stat.ML
