📊 statistics

Bayesian Modelling of Nonstationary Extreme Values Using a Nonparametric Hawkes Process

Dieser Artikel schlägt ein bayessches nichtparametrisches Hawkes-Prozess-Modell vor, das mit einer hierarchischen verallgemeinerten Pareto-Verteilung gekoppelt ist, um nichtstationäre Extremereignisse durch die Erfassung selbstanregender Clustermuster und variierender Größenordnungen über Cluster hinweg effektiv vorherzusagen, wobei eine überlegene Vorhersageleistung sowohl auf simulierten als auch auf realen Daten demonstriert wird.

Ursprüngliche Autoren: Gordon J. Ross, Dean Markwick

Veröffentlicht 2026-05-06

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Gordon J. Ross, Dean Markwick

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen vorherzusagen, wann der nächste „große Sturm" zuschlagen wird. In der Welt der Daten sind diese Stürme extreme Ereignisse: ein plötzlicher Crash an der Börse, ein massives Erdbeben oder ein Anstieg der Todesfälle durch Terrorismus.

Lange Zeit versuchten Statistiker, diese Stürme mit einem sehr starren Regelwerk vorherzusagen. Sie gingen davon aus, dass Stürme in einem gleichmäßigen, vorhersagbaren Tempo auftreten (wie Regen bei einem gleichmäßigen Nieselregen) und dass jeder Sturm ungefähr die gleiche Größe hat. Doch wie die Autoren dieses Papers hervorheben, funktioniert das echte Leben nicht so. Stürme treten oft in Clustern auf (ein plötzlicher Ausbruch starken Regens, gefolgt von einer Dürre), und die Größe der Stürme kann je nach Jahreszeit oder aktueller Situation variieren.

Dieses Paper stellt eine neue, intelligentere Methode zur Modellierung dieser chaotischen Ereignisse vor. Denken Sie daran als an den Upgrade von einer einfachen Wetterfahne zu einem hochmodernen, selbstlernenden Wetterradar.

So funktioniert ihr neues System, aufgeschlüsselt in einfache Konzepte:

1. Der „selbsterregende" Wecker (Der Hawkes-Prozess)

Traditionelle Modelle behandeln Ereignisse als unabhängig. Wenn die Börse heute fällt, könnte ein traditionelles Modell denken: „Okay, das ist erledigt. Die Wahrscheinlichkeit eines Falls morgen ist nur die durchschnittliche Wahrscheinlichkeit."

Die Autoren verwenden etwas, das als Hawkes-Prozess bezeichnet wird. Stellen Sie sich einen Raum voller Menschen vor. Wenn eine Person niest, könnte dies andere dazu bringen, ebenfalls zu niesen. Wenn eine zweite Person niest, könnte dies eine ganze Kettenreaktion auslösen.

Die Metapher: Denken Sie an ein Erdbeben. Wenn der Boden bebt (ein Ereignis), wird der Boden instabil, was die Wahrscheinlichkeit erhöht, dass bald darauf ein Nachbeben (ein weiteres Ereignis) eintritt.
Die Innovation: Die Autoren erkannten, dass extreme Ereignisse oft wie diese Nies-Kettenreaktion verhalten. Sie entwickelten ein Modell, bei dem ein extremes Ereignis das System „erregt" und es wahrscheinlicher macht, dass unmittelbar danach ein weiteres extremes Ereignis eintritt. Dies erklärt, warum schlechte Tage an der Börse oft in Clustern auftreten.

2. Der formverändernde Auslöser (Der nichtparametrische Kernel)

Im alten „Nies"-Modell mussten Sie raten, wie sich das Niesen ausbreitet. Hält es 5 Minuten an? 1 Stunde? Sie mussten eine feste Form wählen (wie eine Glockenkurve) und hoffen, dass sie richtig war. Wenn Sie die falsche Form wählten, wären Ihre Vorhersagen falsch.

Die Autoren sagen: „Warum raten? Lassen Sie die Daten uns die Form verraten."

Die Metapher: Anstatt das Niesen in einen vorgefertigten Keksausstecher zu zwingen, verwenden sie einen formbaren Ton-Ansatz (genannt Dirichlet-Prozess). Sie lassen die Daten die Form der „Erregung" selbst formen.
Das Ergebnis: Wenn die Daten zeigen, dass sich Ereignisse über einige Stunden eng gruppieren und dann abklingen, lernt das Modell diese Form. Wenn sie sich über Tage gruppieren, lernt das Modell das ebenfalls. Es ist flexibel genug, um seltsame, unvorhersehbare Muster zu bewältigen, ohne dass der Benutzer im Voraus Regeln raten muss.

3. Die „teambasierten" Sturmgrößen (Hierarchische GPD-Marks)

Sobald das Modell weiß, wann ein Sturm wahrscheinlich eintritt, muss es raten, wie groß er sein wird.

Das Problem: In früheren Zeiten gingen Statistiker davon aus, dass jeder Sturm, egal ob er in einem ruhigen Jahr oder einem chaotischen Jahr stattfand, aus derselben „Tüte mit Größen" gezogen wurde.
Die Innovation: Die Autoren erkannten, dass Stürme in einem „Cluster" (eine chaotische Woche) größer sein könnten als Stürme in einer „ruhigen" Woche. Allerdings sind einige Cluster so klein, dass sie nicht genügend Daten haben, um die Größe allein genau zu schätzen.
Die Metapher: Stellen Sie sich eine Sportliga vor. Wenn Sie ein Team mit nur 3 Spielern haben, können Sie nicht wirklich sagen, wie gut sie sind. Aber wenn Sie sich alle Teams der Liga ansehen, können Sie eine allgemeine Vorstellung vom Fähigkeitsniveau bekommen.
- Die Autoren verwenden ein hierarchisches Modell. Sie lassen jedes „Cluster" von Ereignissen seine eigene durchschnittliche Größe (Skala) haben, zwingen aber alle diese Cluster, eine gemeinsame „Tail-Form" zu teilen (wie extrem die Worst-Case-Szenarien werden können).
- Dies ermöglicht es dem Modell zu sagen: „Dieses spezifische Cluster von Ereignissen ist normalerweise größer als der Durchschnitt", während es gleichzeitig Stärke aus dem gesamten Datensatz bezieht, um sicherzustellen, dass die Vorhersage für das schlimmstmögliche Ereignis genau ist.

4. Alles zusammenfügen: Die Vorhersagemaschine

Die Autoren kombinierten diese drei Ideen in einem einzigen „Bayesschen" Modell. Sie testeten es an vier sehr unterschiedlichen realen Datensätzen:

Aktienmarkt (S&P 500): Suche nach massiven Wertverlusten.
Marktvolatilität (VIX): Suche nach Angstspitzen.
Windgeschwindigkeiten: Suche nach hurrikanartigen Böen.
Terrorismus: Suche nach Tagen mit hohen Opferzahlen.

Die Ergebnisse:
Als sie ihr neues „flexibles Ton"-Modell gegen die alten „starreren Keksausstecher"-Modelle testeten, gewann das neue Modell jedes Mal.

Es war besser darin vorherzusagen, wann das nächste extreme Ereignis eintreten würde, weil es verstand, dass Ereignisse in Clustern auftreten.
Es war besser darin vorherzusagen, wie groß diese Ereignisse sein würden, weil es verstand, dass die Größe des Ereignisses davon abhängt, zu welchem „Cluster" oder Zeitraum es gehört.

Zusammenfassung

Das Paper argumentiert, dass wir, um seltene, gefährliche Ereignisse vorherzusagen, aufhören müssen, so zu tun, als wäre die Welt ruhig und vorhersagbar. Stattdessen benötigen wir ein Modell, das versteht:

Ereignisse lösen andere Ereignisse aus (Clustering).
Die Regeln der Auslösung ändern sich (flexible Formen).
Die Größe des Ereignisses hängt vom aktuellen Chaos ab (hierarchische Größen).

Durch die Verwendung dieses Ansatzes schufen die Autoren ein Werkzeug, das erheblich besser darin ist, den nächsten „großen Sturm" in Finanzen, Natur und Sicherheit vorherzusagen, ohne starre, oft falsche Annahmen darüber treffen zu müssen, wie die Welt funktioniert.

Technisches Fazit: Bayessche Modellierung nichtstationärer Extremwerte unter Verwendung eines nichtparametrischen Hawkes-Prozesses

Problemstellung
Ein effektives Risikomanagement erfordert die Schätzung der Wahrscheinlichkeit, dass große Ereignisse innerhalb eines bestimmten Zeitraums eintreten. Traditionelle Ansätze stützen sich häufig auf die Extremwerttheorie (EVT), insbesondere die Peaks-Over-Threshold (POT)-Methode, die Überschreitungen über einem Schwellenwert $u$ mittels einer verallgemeinerten Pareto-Verteilung (GPD) modelliert. Standard-POT-Methoden gehen jedoch von Stationarität aus: Dass die Zeitpunkte der Überschreitungen einem homogenen Poisson-Prozess folgen und dass die Größen der Überschreitungen unabhängige und identisch verteilte (i.i.d.) Stichproben aus einer einzigen GPD darstellen.

Reale Daten, wie etwa Finanzmarktindizes (z. B. S&P 500, VIX), verletzen diese Annahmen häufig. Extremereignisse weisen oft Clustering (zeitliche Nichtstationarität) und strukturelle Änderungen in der Größe (Mark-Nichtstationarität) auf. Beispielsweise können Perioden hoher Volatilität sowohl eine höhere Häufigkeit extremer Abstürze als auch größere Größen dieser Abstürze aufweisen. Bestehende nichtparametrische Bayessche Modelle konzentrieren sich oft auf eine retrospektive Glättung historischer Daten, anstatt die für die Vorhersage erforderliche bedingte Intensität explizit zu modellieren. Darüber hinaus erfordern parametrische Erweiterungen für Nichtstationarität häufig starke Annahmen bezüglich der funktionalen Form zeitvariabler Parameter, was das Risiko von Über- oder Unteranpassung birgt.

Methodik
Die Autoren schlagen ein Bayessches markiertes Hawkes-POT-Modell vor, das Nichtstationarität sowohl im Zeit- als auch im Mark-Bereich durch eine hierarchische Struktur adressiert.

Nichtparametrischer Hawkes-Prozess für Überschreitungszeitpunkte:
- Anstelle eines homogenen Poisson-Prozesses werden die Zeitpunkte des Auftretens von Überschreitungen mittels eines selbsterregenden Hawkes-Prozesses modelliert. Dies ermöglicht es, dass die bedingte Intensität $\lambda(t | H_t)$ nach einem Ereignis ansteigt und damit natürliches zeitliches Clustering erfasst.
- Die Hawkes-Intensität ist definiert als $\lambda(t | H_t) = \mu + \sum_{t_i < t} \kappa h(t - t_i)$ , wobei $\mu$ die Hintergrundintensität, $\kappa$ das Verzweigungsverhältnis und $h(\cdot)$ der Auslöse-Kernel ist.
- Entscheidend ist, dass der Auslöse-Kernel $h(\cdot)$ nichtparametrisch mittels einer Dirichlet-Prozess-(DP)-Mischung modelliert wird. Konkret wird $h(t)$ als unendliche Mischung von Lognormalverteilungen dargestellt, wobei die Mischverteilung $G$ einer Dirichlet-Prozess-Prior-Verteilung folgt. Dies ermöglicht es dem Modell, komplexe Erregungsmuster (z. B. schwere Verteilungsenden, Multimodalität) direkt aus den Daten zu lernen, ohne eine feste parametrische Form vorzugeben.
Hierarchische GPD für Überschreitungsmagnituden:
- Die Größen der Überschreitungen ( $y_i$ ) werden mittels der verallgemeinerten Pareto-Verteilung (GPD) modelliert.
- Um Nichtstationarität in den Magnituden zu behandeln, nutzen die Autoren die latente Verzweigungsstruktur des Hawkes-Prozesses. Ereignisse werden basierend auf den Zeitintervallen zwischen Hintergrund- (exogenen) Ereignissen zu Clustern gruppiert.
- Ein hierarchisches Modell wird auf den GPD-Skalenparameter $\sigma_k$ für jeden Cluster $k$ angewendet: $\log \sigma_k = \log \sigma_0 + \tau_\sigma z_k$ , wobei $z_k \sim N(0, 1)$ .
- Der Formparameter $\xi$ wird global über alle Cluster hinweg geteilt. Dieser Ansatz des „partiellen Poolings" ermöglicht es dem Modell, Stärke über die Cluster hinweg zu nutzen, was eine genaue Schätzung des Skalierungsparameters auch in Clustern mit wenigen Beobachtungen erlaubt, während gleichzeitig eine stabile globale Schätzung für die Verteilungsendenform erhalten bleibt.
Posteriore Inferenz:
- Ein Markov-Chain-Monte-Carlo-(MCMC)-Algorithmus wurde entwickelt, um aus der gemeinsamen Posterior-Verteilung zu sampeln.
- Der Algorithmus verwendet eine modulare Faktorisierung: Die Parameter des Hawkes-Prozesses (einschließlich der latenten Verzweigungsvariablen $B$ ) werden basierend auf den Überschreitungszeitpunkten aktualisiert, und die GPD-Mark-Parameter werden bedingt auf der aktuellen Clusterstruktur aktualisiert.
- Der nichtparametrische Kernel $h(\cdot)$ wird unter Verwendung eines Chinese-Restaurant-Prozess-Samplers in Kombination mit einer Metropolis–Hastings-Korrektur für den integrierten Hazard-Term aktualisiert.
- Die GPD-Parameter werden mittels Hamiltonian Monte Carlo (über Stan) aktualisiert.

Hauptbeiträge
Der Artikel leistet drei wesentliche Beiträge:

Vorhersagefokus: Es wird ein markiertes Hawkes-POT-Modell entwickelt, das speziell für die Vorhersage zukünftiger Schwellenüberschreitungen konzipiert ist, was es von früheren nichtparametrischen Bayesschen Punktprozessmodellen unterscheidet, die primär historische Daten glätten.
Nichtparametrische Erregung: Es wird eine Dirichlet-Prozess-Mischungsprior-Verteilung für den Hawkes-Auslöse-Kernel eingeführt, wodurch das zeitliche Erregungsmuster flexibel aus den Daten gelernt werden kann, anstatt eine spezifische parametrische Form (z. B. exponentiell) anzunehmen.
Hierarchische Mark-Modellierung: Es wird die latente Verzweigungsstruktur des Hawkes-Prozesses mit einem hierarchischen GPD-Mark-Modell verknüpft. Dies ermöglicht es, dass die Skala der Überschreitungsmagnituden über Hawkes-induzierte Regime hinweg variiert, während gleichzeitig Informationen über die Cluster hinweg geteilt werden, was die Instabilität der Anpassung separater GPDs an kleine Cluster vermeidet.

Ergebnisse
Das Modell wurde durch eine Simulationsstudie evaluiert und auf vier reale Datensätze angewendet: tägliche logarithmierte Renditen des S&P 500, Schlusskurse des VIX, Windgeschwindigkeiten von Bradfield und die RAND-MIPT-Terrorismus-Datenbank.

Simulationsstudie: In einem kontrollierten $2 \times 2$ -Design (Variation des Kernel-Typs und der Mark-Verteilung) bestätigten die Ergebnisse, dass:
- Wenn Daten mit einem nicht-exponentiellen Kernel generiert wurden, das DP-Hawkes-Modell das parametrische Exponential-Hawkes-Modell übertraf.
- Wenn Daten cluster-spezifische Mark-Variationen aufwiesen, das hierarchische GPD-Modell das i.i.d.-GPD-Modell übertraf.
- Wenn der datengenerierende Mechanismus die zusätzliche Flexibilität nicht erforderte (z. B. wahrer exponentieller Kernel), die flexiblen Modelle nur geringe Vorhersagestrafen aufwiesen, was Robustheit demonstriert.
Anwendungen auf reale Daten:
- Über alle vier Datensätze hinweg erzielte das vollständige Modell (DP-Hawkes-Kernel + Hierarchische GPD-Marks) die besten gehaltenen Vorhersage-Log-Scores.
- Der nichtparametrische Kernel verbesserte die Vorhersage der Überschreitungszeitpunkte, während das hierarchische Mark-Modell die Vorhersage der Überschreitungsmagnituden verbesserte.
- Die Verbesserung war für Finanz- und Windgeschwindigkeitsdaten am beträchtlichsten, mit kleineren, aber positiven Gewinnen für Terrorismusdaten.
- Posterior-prädiktive Checks zeigten, dass die Vorhersageintervalle des Modells für maximale zukünftige Überschüsse mit den beobachteten Daten konsistent waren, wobei der Terrorismus-Datensatz erwartungsgemäß einen schwereren Verteilungsenden (positives $\xi$ ) aufwies.

Bedeutung und Behauptungen
Die Autoren behaupten, dass ihr Rahmenwerk die strengen Stationaritätsannahmen der Standard-EVT erfolgreich lockert und ein realistischeres Werkzeug für die Vorhersage nichtstationärer Extremereignisse bietet. Die Bedeutung liegt in der Demonstration, dass Hawkes-induziertes Clustering nicht nur für die Vorhersage des Zeitpunkts von Extremen nützlich ist, sondern auch für die Modellierung von Änderungen in deren Magnituden.

Durch die Kombination von selbsterregenden Punktprozessen mit hierarchischen Extremwertmodellen schlägt der Artikel einen vielversprechenden Ansatz für die Vorhersage vor, bei dem sowohl die Eintrittsrate als auch die Schwere der Ereignisse über die Zeit variieren. Die Autoren vermerken bescheiden, dass die geteilte-Form-Spezifikation zwar ein Kompromiss zwischen vollständig stationären und vollständig lokalen Modellen ist, aber effektiv die Notwendigkeit, lokale Magnitudenvariationen zu erfassen, mit der Stabilität ausbalanciert, die für die Inferenz der Verteilungsendenform in kleinen Clustern erforderlich ist. Die Arbeit beansprucht nicht, alle Nichtstationaritätsprobleme zu lösen, bietet jedoch eine flexible, datengesteuerte Alternative zu parametrischen Regressionsrahmenwerken für zeitvariierende Extremwertparameter.