On distributionally robust extreme value analysis
On distributionally robust extreme value analysis
复制标题
分布稳健极值分析
DOI：
10.1007/s10687-019-00371-1
复制
发表时间：
2020
期刊：
影响因子：
1.3
通讯作者：
Murthy, Karthyek
中科院分区：
文献类型：
--
作者：
Blanchet, Jose;He, Fei;Murthy, Karthyek
我们在极值理论(EVT)的背景下研究分布稳健性。我们提供了一种数据驱动的方法，用于以一种方式估计极端分位数，该方法对标准极值类型定理的应用所依据的不正确的模型假设是稳健的。分布稳健性的典型研究涉及计算以Kullback-Leibler差异表示的模型不确定性区域的最坏情况估计。我们超越了标准分布的稳健性，因为我们研究了不同形式的差异，并证明了严格的结果，这些结果有助于理解假定的模型不确定性区域在极端分位数估计中的作用。最后，我们在各种情况下说明了我们的数据驱动方法，包括展示标准EVT如何显著低估感兴趣的分位数的例子。
We study distributional robustness in the context of Extreme Value Theory (EVT). We provide a data-driven method for estimating extreme quantiles in a manner that is robust against incorrect model assumptions underlying the application of the standard Extremal Types Theorem. Typical studies in distributional robustness involve computing worst case estimates over a model uncertainty region expressed in terms of the Kullback-Leibler discrepancy. We go beyond standard distributional robustness in that we investigate different forms of discrepancies, and prove rigorous results which are helpful for understanding the role of a putative model uncertainty region in the context of extreme quantile estimation. Finally, we illustrate our data-driven method in various settings, including examples showing how standard EVT can significantly underestimate quantiles of interest.
登录
查看更多内容
DOI：
10.2307/2289692
发表时间：
1987-07
期刊：
--
影响因子：
--
作者：
S. Resnick
通讯作者：
S. Resnick
多元极端情况下的影响测量和稳健依赖性估计
DOI：
--
发表时间：
2011
期刊：
影响因子：
--
作者：
Yu;D. Murdoch;D. Dupuis
通讯作者：
D. Dupuis
以其最大值为条件的广义圣彼得堡和的渐近行为
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
Gábor Fukker;L. Gyorfi;P. Kevei
通讯作者：
P. Kevei
关于 alpha 散度的估计
DOI：
--
发表时间：
2011
期刊：
International Conference on Artificial Intelligence and Statistics
影响因子：
--
作者：
B. Póczos;J. Schneider
通讯作者：
J. Schneider
风险敏感控制的稳健特性
DOI：
--
发表时间：
1998
期刊：
Proceedings of the 37th IEEE Conference on Decision and Control (Cat. No.98CH36171)
影响因子：
--
作者：
P. Dupuis;M. James;I. Petersen
通讯作者：
I. Petersen