[论文解读] Nonparametric tests for change-point detection in the distribution of block maxima based on probability weighted moments

Ivan Kojadinovic, Philippe Naveau|arXiv (Cornell University)|Jul 22, 2015

Financial Risk and Volatility Modeling参考文献 15被引用 3

一句话总结

本文提出了一种基于概率加权矩的非参数检验方法，用于检测块最大值分布的变化，而无需假设广义极值分布。该检验基于渐近零分布，蒙特卡洛模拟结果证实其在多种环境数据情景下具有稳健的有限样本性能。

ABSTRACT

The analysis of seasonal or annual block maxima is of interest in fields such as hydrology, climatology or meteorology. In connection with the celebrated method of block maxima, we study several nonparametric tests that can be used to assess whether the available series of maxima is identically distributed. It is assumed that block maxima are independent but not necessarily generalized extreme value distributed. The asymptotic null distributions of the test statistics are investigated and the practical computation of approximate p-values is addressed. Extensive Monte-Carlo simulations show the adequate finite-sample behavior of the studied tests for a large number of realistic data generating scenarios. Illustrations on several environmental datasets conclude the work.

研究动机与目标

• 开发用于检测块最大值序列分布变化的非参数检验方法。
• 解决传统块最大值方法中假设广义极值（GEV）分布的局限性。
• 在块最大值独立的前提下，无需参数分布假设，确保可靠的推断。
• 为实际应用提供近似p值的实用计算方法。
• 在广泛的真实数据生成过程中验证检验的有限样本性能。

提出的方法

• 检验基于概率加权矩（PWMs）来估计块最大值的分布特征。
• 在块最大值独立的假设下，推导检验统计量的渐近零分布。
• 构建检验统计量以检测块最大值潜在分布随时间的变化。
• 使用蒙特卡洛模拟技术计算近似p值。
• 该方法不要求块最大值服从广义极值分布。
• 将该方法应用于环境数据集，以展示其实际应用价值。

实验结果

研究问题

• RQ1 非参数检验是否能在不假设GEV分布的前提下检测块最大值的分布变化？
• RQ2 在各种数据生成机制下，所提出的检验在有限样本中的表现如何？
• RQ3 在此情境下，通过蒙特卡洛方法计算的近似p值的可靠性如何？
• RQ4 在块最大值的不同类型分布变化下，检验的统计功效如何比较？
• RQ5 该方法能否有效应用于真实的环境时间序列数据？

主要发现

• 所提出的非参数检验在广泛的真实数据生成情景下表现出良好的有限样本行为。
• 检验统计量的渐近零分布被良好近似，从而支持有效的推断。
• 通过蒙特卡洛模拟计算的近似p值在实际应用中可靠且实用。
• 即使块最大值不服从广义极值分布，检验仍保持稳健性。
• 在环境数据集上的实证说明证实了该方法的实际相关性以及对分布变化的敏感性。
• 使用概率加权矩增强了检验统计量的稳定性和可解释性。