Consistency of Bayesian inference for multivariate max-stable distributions
多元最大稳定分布贝叶斯推断的一致性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及一般多元极值与风险分析，未明确金融尾部或系统性风险场景，故不归入金融细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多元最大稳定分布贝叶斯推断的一致性
- 研究问题
- 多元极值分布的半参数贝叶斯估计能否获得后验一致性，且能否适用于仅近似最大稳定的区块最大值。
- 方法与思路
- 作者研究任意维度最大稳定分布的半参数贝叶斯方法，先分析正确设定模型，再扩展至区块最大值样本。
- 材料陈述的贡献
- 摘要称对较一般的最大稳定模型建立后验一致性，涵盖多类边际尾部，并将结果扩展到近似模型情形。
- 阅读关注点
- 核对先验支持、后验一致性采用的距离，以及区块最大值的近似误差与样本增长之间需要怎样的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明先验条件、收敛速率或预测区间性质，不能推断刊本变化。
原文摘要
Predicting extreme events is important in many applications in risk analysis. Extreme-value theory suggests modelling extremes by max-stable distributions. The Bayesian approach provides a natural framework for statistical prediction. Although various Bayesian inferential procedures have been proposed in the literature of univariate extremes and some for multivariate extremes, the study of their asymptotic properties has been left largely untouched. In this paper we focus on a semiparametric Bayesian method for estimating max-stable distributions in arbitrary dimension. We establish consistency of the pertaining posterior distributions for fairly general, well-specified max-stable models, whose margins can be short-, light- or heavy-tailed. We then extend our consistency results to the case where data are samples of block maxima whose distribution is only approximately a max-stable one, which represents the most realistic inferential setting.