📊 statistics

Bayesian Modelling of Nonstationary Extreme Values Using a Nonparametric Hawkes Process

Ce papier propose un modèle de processus de Hawkes non paramétrique bayésien couplé à une distribution de Pareto généralisée hiérarchique pour prévoir efficacement des événements extrêmes non stationnaires en capturant des motifs de regroupement auto-excitateurs et des magnitudes variables à travers les regroupements, démontrant des performances prédictives supérieures sur des données simulées et réelles.

Auteurs originaux : Gordon J. Ross, Dean Markwick

Publié 2026-05-06

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Gordon J. Ross, Dean Markwick

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayiez de prédire quand la prochaine « grande tempête » frappera. Dans le monde des données, ces tempêtes sont des événements extrêmes : un effondrement soudain du marché boursier, un séisme massif ou une flambée des décès liés au terrorisme.

Pendant longtemps, les statisticiens ont tenté de prédire ces tempêtes en utilisant un code de règles très rigide. Ils supposaient que les tempêtes se produisaient à un rythme constant et prévisible (comme une pluie fine et régulière) et que chaque tempête avait à peu près la même taille. Mais comme le soulignent les auteurs de cet article, la réalité ne fonctionne pas ainsi. Les tempêtes arrivent souvent par grappes (une soudaine averse de pluie forte suivie d'une sécheresse), et la taille des tempêtes peut varier selon la saison ou la situation actuelle.

Cet article présente une nouvelle méthode, plus intelligente, pour modéliser ces événements chaotiques. Pensez-y comme à une mise à niveau d'un simple girouette vers un radar météorologique sophistiqué et auto-apprenant.

Voici comment leur nouveau système fonctionne, décomposé en concepts simples :

1. L'alarme « auto-excitante » (le processus de Hawkes)

Les modèles traditionnels traitent les événements comme indépendants. Si le marché boursier chute aujourd'hui, un modèle traditionnel pourrait penser : « D'accord, c'est fini. La probabilité d'une chute demain est simplement la probabilité moyenne. »

Les auteurs utilisent ce qu'on appelle un processus de Hawkes. Imaginez une pièce remplie de gens. Si une personne éternue, cela peut amener d'autres personnes à éternuer aussi. Si une deuxième personne éternue, cela peut déclencher une réaction en chaîne.

La métaphore : Pensez à un séisme. Lorsque le sol tremble (un événement), il rend le sol instable, augmentant la probabilité qu'une réplique (un autre événement) se produise peu après.
L'innovation : Les auteurs ont réalisé que les événements extrêmes se comportent souvent comme cette réaction en chaîne d'éternuements. Ils ont construit un modèle où un événement extrême « excite » le système, rendant plus probable la survenue d'un autre événement extrême immédiatement après. Cela explique pourquoi les mauvaises journées en bourse arrivent souvent par grappes.

2. Le déclencheur changeant de forme (le noyau non paramétrique)

Dans l'ancien modèle « d'éternuement », vous deviez deviner comment l'éternuement se propage. Dure-t-il 5 minutes ? 1 heure ? Vous deviez choisir une forme fixe (comme une courbe en cloche) et espérer qu'elle était correcte. Si vous choisissiez la mauvaise forme, vos prévisions seraient faussées.

Les auteurs disent : « Pourquoi deviner ? Laissez les données nous dire la forme. »

La métaphore : Au lieu de forcer l'éternuement à s'adapter à un emporte-pièce préfabriqué, ils utilisent une approche en argile malléable (appelée processus de Dirichlet). Ils laissent les données sculpter la forme de « l'excitation » elle-même.
Le résultat : Si les données montrent que les événements se regroupent étroitement pendant quelques heures puis s'estompent, le modèle apprend cette forme. S'ils se regroupent pendant des jours, le modèle l'apprend aussi. Il est suffisamment flexible pour gérer des modèles étranges et imprévisibles sans que l'utilisateur ait à deviner les règles à l'avance.

3. Les tailles de tempête « basées sur l'équipe » (marques GPD hiérarchiques)

Une fois que le modèle sait quand une tempête est susceptible de se produire, il doit deviner quelle sera sa taille.

Le problème : Autrefois, les statisticiens supposaient que chaque tempête, qu'elle se produise une année calme ou chaotique, était tirée du même « sac de tailles ».
L'innovation : Les auteurs ont réalisé que les tempêtes dans une « grappe » (une semaine chaotique) pourraient être plus grandes que les tempêtes d'une semaine « calme ». Cependant, certaines grappes sont si petites qu'elles ne disposent pas de suffisamment de données pour estimer la taille avec précision par elles-mêmes.
La métaphore : Imaginez une ligue de sports. Si vous avez une équipe avec seulement 3 joueurs, vous ne pouvez pas vraiment dire à quel point ils sont bons. Mais si vous regardez toutes les équipes de la ligue, vous pouvez obtenir une idée générale du niveau de compétence.
- Les auteurs utilisent un modèle hiérarchique. Ils permettent à chaque « grappe » d'événements d'avoir sa propre taille moyenne (échelle), mais ils obligent toutes ces grappes à partager une même « forme de queue » (la façon dont les scénarios de pire cas peuvent devenir extrêmes).
- Cela permet au modèle de dire : « Cette grappe spécifique d'événements est généralement plus grande que la moyenne », tout en empruntant de la force à l'ensemble des données pour s'assurer que la prédiction pour le pire événement possible est précise.

4. Tout mettre ensemble : la machine de prédiction

Les auteurs ont combiné ces trois idées en un seul modèle « bayésien ». Ils l'ont testé sur quatre ensembles de données réels très différents :

Marché boursier (S&P 500) : Recherche de chutes massives de valeur.
Volatilité du marché (VIX) : Recherche de pics de peur.
Vitesse du vent : Recherche de rafales de force ouragan.
Terrorisme : Recherche de journées avec un nombre élevé de décès.

Les résultats :
Lorsqu'ils ont testé leur nouveau modèle en « argile flexible » contre les anciens modèles à « emporte-pièce rigide », le nouveau modèle a gagné à chaque fois.

Il était meilleur pour prédire quand le prochain événement extrême se produirait, car il comprenait que les événements arrivent par grappes.
Il était meilleur pour prédire quelle serait la taille de ces événements, car il comprenait que la taille de l'événement dépend de la « grappe » ou de la période à laquelle il appartient.

Résumé

L'article soutient que pour prédire des événements rares et dangereux, nous devons arrêter de faire semblant que le monde est calme et prévisible. Au lieu de cela, nous avons besoin d'un modèle qui comprend :

Les événements déclenchent d'autres événements (grappes).
Les règles de déclenchement changent (formes flexibles).
La taille de l'événement dépend du chaos actuel (tailles hiérarchiques).

En utilisant cette approche, les auteurs ont créé un outil nettement supérieur pour prévoir la prochaine « grande tempête » dans les domaines de la finance, de la nature et de la sécurité, sans avoir besoin de faire des hypothèses rigides, souvent incorrectes, sur le fonctionnement du monde.

Résumé Technique : Modélisation Bayésienne des Valeurs Extrêmes Non Stationnaires à l'Aide d'un Processus de Hawkes Non Paramétrique

Énoncé du Problème
Une gestion des risques efficace nécessite d'estimer la probabilité que de grands événements se produisent dans un délai spécifique. Les approches traditionnelles reposent souvent sur la Théorie des Valeurs Extrêmes (EVT), spécifiquement la méthode des Pics au-dessus du Seuil (POT), qui modélise les dépassements au-dessus d'un seuil $u$ en utilisant une Distribution de Pareto Généralisée (GPD). Cependant, les méthodes POT standard supposent la stationnarité : les temps de dépassement suivent un processus de Poisson homogène et les amplitudes de dépassement sont des tirages indépendants et identiquement distribués (i.i.d.) issus d'une seule GPD.

Les données réelles, telles que les indices de marchés financiers (par exemple, S&P 500, VIX), violent souvent ces hypothèses. Les événements extrêmes présentent fréquemment un regroupement (non-stationnarité temporelle) et des changements structurels dans l'amplitude (non-stationnarité des marques). Par exemple, les périodes de forte volatilité peuvent voir à la fois une fréquence plus élevée de chutes extrêmes et des amplitudes plus importantes pour ces chutes. Les modèles bayésiens non paramétriques existants se concentrent souvent sur le lissage rétrospectif des données historiques plutôt que sur la modélisation explicite de l'intensité conditionnelle requise pour la prédiction future. De plus, les extensions paramétriques pour la non-stationnarité nécessitent souvent de fortes hypothèses sur la forme fonctionnelle des paramètres variant dans le temps, risquant un sur- ou un sous-ajustement.

Méthodologie
Les auteurs proposent un modèle POT de Hawkes marqué bayésien qui traite la non-stationnarité à la fois dans les domaines temporel et des marques grâce à une structure hiérarchique.

Processus de Hawkes Non Paramétrique pour les Temps de Dépassement :
- Au lieu d'un processus de Poisson homogène, les temps d'occurrence des dépassements sont modélisés à l'aide d'un processus de Hawkes auto-excitant. Cela permet à l'intensité conditionnelle $\lambda(t | H_t)$ d'augmenter après un événement, capturant naturellement le regroupement temporel.
- L'intensité de Hawkes est définie comme $\lambda(t | H_t) = \mu + \sum_{t_i < t} \kappa h(t - t_i)$ , où $\mu$ est l'intensité de fond, $\kappa$ est le taux de branchement, et $h(\cdot)$ est le noyau de déclenchement.
- Crucialement, le noyau de déclenchement $h(\cdot)$ est modélisé non paramétriquement à l'aide d'un mélange de Processus de Dirichlet (DP). Spécifiquement, $h(t)$ est représenté comme un mélange infini de distributions Log-normales, où la distribution de mélange $G$ suit une loi a priori de Processus de Dirichlet. Cela permet au modèle d'apprendre directement à partir des données des motifs d'excitation complexes (par exemple, queues lourdes, multimodalité) sans imposer une forme paramétrique fixe.
GPD Hiérarchique pour les Amplitudes de Dépassement :
- Les amplitudes des dépassements ( $y_i$ ) sont modélisées à l'aide de la Distribution de Pareto Généralisée (GPD).
- Pour gérer la non-stationnarité dans les amplitudes, les auteurs utilisent la structure de branchement latente du processus de Hawkes. Les événements sont regroupés en clusters basés sur les intervalles de temps entre les événements de fond (exogènes).
- Un modèle hiérarchique est appliqué au paramètre d'échelle $\sigma_k$ de la GPD pour chaque cluster $k$ : $\log \sigma_k = \log \sigma_0 + \tau_\sigma z_k$ , où $z_k \sim N(0, 1)$ .
- Le paramètre de forme $\xi$ est partagé globalement à travers tous les clusters. Cette approche de « partage partiel » permet au modèle de puiser de la force à travers les clusters, permettant une estimation précise du paramètre d'échelle même dans les clusters avec peu d'observations, tout en maintenant une estimation globale stable pour la forme de la queue.
Inférence Postérieure :
- Un algorithme de Monte Carlo par Chaîne de Markov (MCMC) est développé pour échantillonner à partir de la distribution postérieure conjointe.
- L'algorithme utilise une factorisation modulaire : les paramètres du processus de Hawkes (incluant les variables de branchement latentes $B$ ) sont mis à jour en fonction des temps de dépassement, et les paramètres de marque GPD sont mis à jour conditionnellement à la structure de regroupement actuelle.
- Le noyau non paramétrique $h(\cdot)$ est mis à jour à l'aide d'un échantillonneur de Processus de Restaurant Chinois combiné à une correction Metropolis–Hastings pour le terme de risque intégré.
- Les paramètres GPD sont mis à jour à l'aide de Monte Carlo Hamiltonien (via Stan).

Contributions Clés
L'article apporte trois contributions principales :

Focus Prédictif : Il développe un modèle POT de Hawkes marqué spécifiquement conçu pour la prévision des futurs dépassements de seuil, le distinguant des modèles antérieurs de processus ponctuels bayésiens non paramétriques qui lissent principalement les données historiques.
Excitation Non Paramétrique : Il introduit une loi a priori de mélange de Processus de Dirichlet pour le noyau de déclenchement de Hawkes, permettant au motif d'excitation temporelle d'être appris de manière flexible à partir des données plutôt que d'assumer une forme paramétrique spécifique (par exemple, exponentielle).
Modélisation Hiérarchique des Marques : Il relie la structure de branchement latente du processus de Hawkes à un modèle de marque GPD hiérarchique. Cela permet à l'échelle des amplitudes de dépassement de varier à travers les régimes induits par Hawkes tout en partageant l'information entre les clusters, évitant l'instabilité de l'ajustement de GPDs séparés à de petits clusters.

Résultats
Le modèle a été évalué par une étude de simulation et appliqué à quatre ensembles de données réels : les rendements logarithmiques quotidiens du S&P 500, les valeurs de clôture du VIX, les vitesses du vent de Bradfield, et la base de données RAND-MIPT sur le terrorisme.

Étude de Simulation : Dans une conception contrôlée $2 \times 2$ (variant le type de noyau et la distribution des marques), les résultats ont confirmé que :
- Lorsque les données étaient générées avec un noyau non exponentiel, le modèle DP-Hawkes surpassait le modèle Exponential-Hawkes paramétrique.
- Lorsque les données présentaient une variation de marque spécifique aux clusters, le modèle GPD hiérarchique surpassait le modèle GPD i.i.d.
- Lorsque le mécanisme générateur de données ne nécessitait pas la flexibilité supplémentaire (par exemple, vrai noyau exponentiel), les modèles flexibles ont encouru peu de pénalité prédictive, démontrant leur robustesse.
Applications sur Données Réelles :
- Sur les quatre ensembles de données, le modèle complet (noyau DP-Hawkes + marques GPD hiérarchiques) a obtenu les meilleurs scores de log prédictifs sur données tenues à l'écart.
- Le noyau non paramétrique a amélioré la prédiction des temps de dépassement, tandis que le modèle de marque hiérarchique a amélioré la prédiction des amplitudes de dépassement.
- L'amélioration a été la plus substantielle pour les données financières et de vitesse du vent, avec des gains plus petits mais positifs pour les données sur le terrorisme.
- Les vérifications prédictives postérieures ont montré que les intervalles prédictifs du modèle pour les excès futurs maximaux étaient cohérents avec les données observées, l'ensemble de données sur le terrorisme montrant une queue plus lourde ( $\xi$ positif) comme prévu.

Signification et Revendications
Les auteurs affirment que leur cadre relaxe avec succès les hypothèses de stationnarité rigide de l'EVT standard, fournissant un outil plus réaliste pour la prévision d'événements extrêmes non stationnaires. La signification réside dans la démonstration que le regroupement induit par Hawkes est utile non seulement pour prédire le moment des extrêmes, mais aussi pour modéliser les changements de leurs amplitudes.

En combinant des processus ponctuels auto-excitants avec des modèles de valeurs extrêmes hiérarchiques, l'article suggère une approche prometteuse pour la prévision où à la fois le taux d'occurrence et la sévérité des événements varient dans le temps. Les auteurs notent modestement que bien que la spécification de forme partagée soit un compromis entre les modèles entièrement stationnaires et entièrement locaux, elle équilibre efficacement la nécessité de capturer les variations locales d'amplitude avec la stabilité requise pour l'inférence de la forme de la queue dans les petits clusters. Le travail ne prétend pas résoudre tous les problèmes de non-stationnarité mais offre une alternative flexible et pilotée par les données aux cadres de régression paramétriques pour les paramètres de valeurs extrêmes variant dans le temps.