A Bayesian multivariate extreme value mixture model

Titel: Een Bayesiaans multivariaat extreme-waarden mengselmodel

Auteurs: Chenglei Hu, Ben Swallow en Daniela Castro-Camilo
Publicatiedatum: 31 maart 2026 (voorgesteld)

---

1. Het Probleem

In veel toepassingen, zoals milieurisico's (overstromingen, hittegolven), hangt het risicoprofiel af van zowel extreme gebeurtenissen als niet-extreme (bulk) gebeurtenissen. Bestaande methoden hebben echter fundamentele beperkingen:

• Classische Extreme Waarden Theorie (EVT): Biedt asymptotisch onderbouwde modellen voor de staart van een verdeling, maar beschrijft de "bulk" (het grootste deel van de data) niet. Dit is ontoereikend wanneer het volledige bereik van de data relevant is.
• Bestaande Mengselmodellen: Methoden die een Generalised Pareto Distribution (GPD) combineren met een bulk-verdeling (vaak via copula's) lijden onder verstrengeling (entanglement) tussen bulk en staart. De bulk-copula beïnvloedt de staart en vice versa, wat leidt tot instabiliteit, vooral bij kleine steekproeven of wanneer de staartwaarnemingen schaars zijn.
• Multivariatie Complexiteit: Het uitbreiden van univariaten mengselmodellen naar het multivariate geval is uitdagend omdat zowel marginale verdelingen als afhankelijke structuren correct gemodelleerd moeten worden, terwijl de theoretische eigenschappen van de EVT behouden moeten blijven.

2. Methodologie

De auteurs introduceren een Bayesiaans multivariaat extreme-waarden mengselmodel dat de bulk en de staart strikt scheidt op disjuncte ondersteuningsgebieden.

A. Modelstructuur

Het model verdeelt de steekproefruimte in twee gebieden op basis van een multivariate drempelvector $u$:

1. Bulk-regio ($x \le u$): Waarnemingen waarbij alle componenten onder de drempel liggen, worden gemodelleerd met een flexibele parametrische verdeling (in dit artikel: een multivariate normale verdeling).
2. Staart-regio ($x \not\le u$): Waarnemingen waarbij ten minste één component de drempel overschrijdt, worden gemodelleerd met een Multivariate Generalised Pareto Distribution (mGPD).

De dichtheidsfunctie wordt gegeven door:
$$f(x) = \begin{cases} f_{bulk}(x) & \text{als } x \le u \\ [1 - F_{bulk}(u)] \cdot h_U(x - u) & \text{anders} \end{cases}$$
Waarbij $h_U$ de mGPD-dichtheid is (gebruikmakend van de $U$-representatie met een omgekeerd exponentiële generator).

B. Bayesiaanse Inferentie

• Drempelschatten: In tegenstelling tot traditionele benaderingen waarbij de drempel $u$ a priori wordt vastgesteld, wordt $u$ hier behandeld als een leerbare parameter. De drempel wordt geschat samen met alle andere parameters, wat coherente onzekerheidskwantificatie mogelijk maakt.
• Priors:
  • Bulk: Multivariate normale prior voor het gemiddelde en een LKJ-prior voor de correlatiematrix.
  • Drempel: Een continue prior gebaseerd op een referentie-quantiel (bijv. 80e percentiel) met een positieve offset.
  • Staart: Zwak informatieve priors voor de vorm ($\gamma$), schaal ($\sigma$) en afhankelijkheidsparameters ($a$).
• Computatie en Reparametrisatie: Vanwege de sterke afhankelijkheid tussen de drempel $u$ en de staartparameters (vooral $\sigma$), wordt een reparametrisatie toegepast: $\tilde{\sigma} = \sigma - \gamma u$. Dit maakt de parameters invariant voor hoge drempels.
• Sampling: Er wordt gebruikgemaakt van een Automated Factor Slice Sampler (AFSS) gecombineerd met reparametrisatie om de mixing-efficiëntie van de MCMC-ketens te verbeteren, wat cruciaal is voor het overwinnen van de sterke posterior-afhankelijkheid.

3. Belangrijkste Bijdragen

1. Decoupling van Bulk en Staart: Door de twee componenten op disjuncte gebieden te definiëren, wordt de staartgedrag uitsluitend bepaald door de mGPD. Dit elimineert de instabiliteit die ontstaat door interacties tussen bulk en staart in bestaande copula-gebaseerde mengselmodellen.
2. Lerende Drempel: Het behandelen van de multivariate drempel als een onbekende parameter binnen een unified probabilistisch kader, wat leidt tot robuustere schattingen en betere onzekerheidskwantificatie, vooral in situaties met multimodale drempelverdelingen.
3. Efficiënte Computationele Strategie: De combinatie van reparametrisatie en AFSS maakt betrouwbare Bayesiaanse inferentie mogelijk, zelfs bij sterke parameterafhankelijkheid, wat vaak een knelpunt is bij dit type modellen.
4. Theoretische Garantie: Het model behoudt de exacte asymptotische eigenschappen van de EVT (het ligt in het max-domein van aantrekkingskracht van een multivariate GEVD), terwijl het volledige distributie-inferentie toestaat.

4. Resultaten

Simulatiestudies

• Parameterherstel: Het model herstelde marginaal en afhankelijke structuren nauwkeurig over diverse staartgedragsscenarios (zowel zwaar- als lichtstaartig).
• Robuustheid bij Misspecificatie: Zelfs wanneer de data asymptotisch onafhankelijk waren (waar het model theoretisch asymptotisch afhankelijk is), leverde het model concurrerende schattingen op voor matige steekproefgroottes. De onzekerheidsintervallen (95% credible intervals) hadden een dekking die dicht bij de nominale waarde lag.
• Afhankelijkheidsmetrieken: Het model gaf nauwkeurige schattingen van extremale afhankelijkheidsmaten zoals $\chi$, $\bar{\chi}$ en Kendall's $\tau$.

Toepassing: Temperatuur in het VK

• Data: Dagelijkse maximumtemperaturen van twee stations (East Sussex en Oxfordshire) van 2016-2021.
• Pre-processing: Seizoenspatronen en autocorrelatie werden verwijderd via een regressiemodel met sinus/cosinus-termen en een AR(1)-term.
• Resultaten:
  • De drempels ($u$) vertoonden een multimodale posterior, wat aangeeft dat er meerdere plausibele drempelwaarden zijn die door de data worden ondersteund.
  • Het mengselmodel (BEMM) bood een superieure schatting van hoge quantielen en de gezamenlijke staartrisico's in vergelijking met een standaard bivariate normale verdeling.
  • Voorspellingsnauwkeurigheid (gemeten via Energy Scores en threshold-weighted Energy Scores) was consistent beter voor het BEMM, vooral in de staartregio.

5. Betekenis en Conclusie

Dit artikel biedt een oplossing voor het langdurige probleem van het modelleren van zowel typisch gedrag als zeldzame extremen in multivariate systemen zonder theoretische garanties op te offeren.

• Praktische Impact: Het model is direct toepasbaar voor milieurisico-evaluatie, waarbij het in staat is om gezamenlijke extremen (zoals gelijktijdige hittegolven op verschillende locaties) nauwkeuriger te kwantificeren dan traditionele methoden.
• Beperkingen: Het model is bij voorkeur geschikt voor lage dimensies ($d \le 3$) vanwege de complexiteit van het schatten van mGPD in hoge dimensies en de vereiste dat de data in het max-domein van aantrekkingskracht van een mGEVD liggen.
• Toekomst: De auteurs wijzen op de mogelijkheid om generatieve modellen (zoals normalizing flows) te integreren voor de mGPD, hoewel dit een verschuiving naar frequentistische inferentie zou vereisen vanwege de grote parameteraantallen.

Kortom, dit werk levert een robuust, theoretisch onderbouwd en computationeel haalbaar raamwerk voor Bayesiaanse multivariate extreme-waardenanalyse, waarbij de onzekerheid in drempelkeuze en afhankelijke structuren expliciet wordt meegenomen.