极端事件建模：单变量与多变量数据驱动方法
统计方法学
2024-11-14 v2 应用统计
摘要
本文总结了genEVA团队参加EVA（2023）会议数据挑战赛的贡献。该挑战赛包含四个独立任务，其中两个聚焦于单变量极值，两个涉及多变量极值。在第一个单变量任务中，我们使用带有神经网络的的分位数回归方法估计条件极值分位数。在第二个任务中，我们开发了一种微调程序，以给定的保守损失函数改进极值分位数估计。在第一个多变量子挑战中，我们使用Copula模型近似数据生成过程。在剩余的任务中，我们使用聚类将高维问题分离为近似独立的成分。总体而言，我们在所有挑战中均取得了有竞争力的结果，并且我们针对单变量任务的方法在竞赛中产生了最准确的分位数估计。
引用
@article{arxiv.2401.14910,
title = {Modeling Extreme Events: Univariate and Multivariate Data-Driven Approaches},
author = {Gloria Buriticá and Manuel Hentschel and Olivier C. Pasche and Frank Röttger and Zhongwei Zhang},
journal= {arXiv preprint arXiv:2401.14910},
year = {2024}
}