A Bayesian multivariate extreme value mixture model

1. Problématique

La caractérisation précise des risques conjoints dans les systèmes multivariés nécessite des modèles capables de capturer à la fois le comportement « de masse » (le corps de la distribution) et les événements extrêmes (la queue). Les approches existantes présentent deux limitations majeures :

• Théorie des valeurs extrêmes (EVT) classique : Elle fournit des modèles asymptotiquement justifiés pour les queues de distribution mais ne décrit pas le corps de la distribution, ce qui est insuffisant lorsque l'ensemble des données est d'intérêt.
• Modèles de mélange et copules existants : Les approches actuelles qui combinent une distribution pour le corps et une distribution généralisée de Pareto (GPD) pour la queue souffrent souvent d'une intrication entre l'inférence du corps et celle de la queue. Dans les modèles basés sur les copules, la copule du corps peut influencer la région de la queue et vice-versa, ce qui entraîne une instabilité, en particulier avec de petits échantillons ou des données mal spécifiées. De plus, le choix du seuil (threshold) est souvent arbitraire et fixe, ignorant l'incertitude associée.

2. Méthodologie

Les auteurs proposent un modèle de mélange bayésien multivarié de valeurs extrêmes qui résout ces problèmes par une séparation stricte des composantes.

A. Structure du Modèle

Le modèle partitionne l'espace d'échantillonnage en deux régions disjointes définies par un vecteur de seuils multivarié $u$ :

1. Région du corps (Bulk) : Pour les observations où toutes les composantes sont inférieures ou égales au seuil ($x \le u$), les données sont modélisées par une distribution paramétrique flexible (ex: loi normale multivariée).
2. Région de la queue (Tail) : Pour les observations où au moins une composante dépasse son seuil ($x \not\le u$), les données sont modélisées par une Distribution Généralisée de Pareto Multivariée (mGPD).

La densité conjointe est définie comme :
$$f(x) = \begin{cases} f_{bulk}(x) & \text{si } x \le u \\ [1 - F_{bulk}(u)] \cdot h_U(x - u) & \text{si } x \not\le u \end{cases}$$
où $h_U$ est la densité de la mGPD (représentation U avec un générateur exponentiel inverse).

B. Inférence Bayésienne et Traitement du Seuil

• Seuil Apprenable : Contrairement aux méthodes traditionnelles qui fixent le seuil a priori, ce modèle traite le vecteur de seuil $u$ comme un paramètre inconnu à estimer conjointement avec les autres paramètres. Cela permet une quantification cohérente de l'incertitude sur le seuil.
• Spécification des Priors :
  • Corps : Loi normale multivariée avec des priors hiérarchiques (LKJ pour la corrélation, Half-Normal pour les écarts-types).
  • Queue : Priors faiblement informatifs pour les paramètres de forme ($\gamma$), d'échelle ($\sigma$) et de dépendance ($a$).
  • Seuil : Un prior basé sur un quantile de référence ($q_\tau$) avec un décalage positif, permettant au seuil de varier autour d'une valeur de départ tout en restant dans la queue.

C. Stratégie Computationale

L'inférence est complexe en raison de la forte dépendance entre le seuil $u$ et les paramètres de la queue (notamment l'échelle $\sigma$). Pour surmonter cela, les auteurs utilisent :

1. Reparamétrisation : Introduction d'un paramètre invariant $\tilde{\sigma} = \sigma - \gamma u$ pour réduire la corrélation postérieure.
2. Échantillonnage par tranches (Slice Sampling) : Utilisation d'un échantillonneur de tranches à facteurs automatisés (AFSS) pour mettre à jour les blocs de paramètres (seuil et queue). Cette méthode améliore considérablement l'efficacité de l'échantillonnage MCMC par rapport aux algorithmes Metropolis-Hastings standards, permettant une exploration robuste de l'espace des paramètres même en présence de dépendances fortes.

3. Contributions Clés

1. Découplage Théorique : En définissant les composantes du corps et de la queue sur des supports disjoints, le modèle garantit que le comportement de la queue est régi uniquement par la mGPD, préservant ainsi les propriétés asymptotiques de la théorie des valeurs extrêmes sans interférence du modèle du corps.
2. Estimation Bayésienne du Seuil Multivarié : Le traitement du seuil comme paramètre aléatoire permet de capturer la multimodalité potentielle dans le choix du seuil multivarié et fournit une quantification complète de l'incertitude.
3. Robustesse Computationale : La combinaison de la reparamétrisation et de l'AFSS rend l'inférence pratique et efficace, même pour des modèles avec des dépendances paramétriques fortes.
4. Extension Multivariée : Le modèle généralise les approches de mélange univariées (comme celles de do Nascimento et al.) au cadre multivarié, en modélisant simultanément les marges et la structure de dépendance.

4. Résultats

A. Études de Simulation

• Récupération des paramètres : Dans des scénarios bien spécifiés (différents types de queues : lourdes, légères, mixtes), le modèle récupère avec précision les paramètres marginaux, de dépendance et de seuil. Les taux de couverture des intervalles de crédibilité sont proches de 95 %.
• Robustesse à la mauvaise spécification : Même lorsque les données sont générées à partir d'une distribution asymptotiquement indépendante (ex: loi normale bivariée, où $\chi=0$), le modèle (qui est intrinsèquement asymptotiquement dépendant, $\chi > 0$) fournit des estimations de dépendance raisonnables et compétitives par rapport aux modèles de copules de mélange, sans biais majeur dans les échantillons de taille modérée.

B. Application aux Données de Température au Royaume-Uni

Le modèle a été appliqué aux températures maximales journalières de deux stations (East Sussex et Oxfordshire) pour étudier les vagues de chaleur.

• Prétraitement : Les données ont été ajustées pour retirer la saisonnalité et l'autocorrélation temporelle avant d'appliquer le modèle de mélange sur les résidus.
• Comportement du Seuil : L'inférence a révélé une multimodalité dans la distribution postérieure des seuils, indiquant une ambiguïté réelle dans le choix du seuil optimal soutenue par les données, ce que les méthodes fixes auraient manqué.
• Performance Prédictive :
  • Le modèle BEMM (Bayesian Extreme Mixture Model) surpasse nettement le modèle gaussien standard pour l'estimation des quantiles élevés (queues de distribution).
  • Les scores de prédiction (Energy Score et Threshold-weighted Energy Score) sont systématiquement meilleurs pour le BEMM, confirmant une meilleure capture du risque de queue conjoint.
  • Les mesures de dépendance extrême ($\chi$, $\bar{\chi}$) estimées par le modèle correspondent bien aux valeurs empiriques.

5. Signification et Conclusion

Cet article présente une avancée significative dans la modélisation des risques extrêmes multivariés. En résolvant le problème de l'intrication entre le corps et la queue, et en intégrant l'incertitude du seuil dans un cadre bayésien unifié, le modèle offre une approche plus robuste et théoriquement fondée pour l'analyse des risques environnementaux (comme les inondations ou les vagues de chaleur).

Bien que le modèle suppose une dépendance asymptotique (ce qui peut introduire un biais théorique sur des données asymptotiquement indépendantes), les résultats empiriques montrent qu'il reste performant et utile dans des contextes pratiques de dimension faible à modérée. L'approche ouvre la voie à une meilleure quantification des risques conjoints rares, cruciale pour la gestion des catastrophes naturelles et l'adaptation climatique.