EVIboost：异质极值下极值指数的估计
统计方法学
2024-10-29 v1
摘要
在回归框架下对重尾分布的异质性进行建模具有挑战性，经典统计方法通常对分布模型施加条件以简化学习过程。然而，这些条件很可能忽略尾部厚重程度与协变量之间复杂的依赖结构。此外，尾部区域的数据稀疏性也使得推断方法不够稳定，导致极值相关量的估计产生较大偏差。本文提出一种梯度提升算法，用于估计具有异质极值的函数式极值指数。我们所提算法是一种数据驱动的过程，可捕捉尾部分布中复杂且动态的结构。我们还进行了广泛的模拟研究以展示该算法的预测准确性。此外，我们将方法应用于真实数据集，以阐明金融业中重尾现象的状态依赖和时变特性。
引用
@article{arxiv.2205.14512,
title = {EVIboost for the Estimation of Extreme Value Index under Heterogeneous Extremes},
author = {Jiaxi Wang and Yanxi Hou and Xingchi Li and Tiandong Wang},
journal= {arXiv preprint arXiv:2205.14512},
year = {2024}
}
备注
23 pages, 9 figures