R言語 CRAN Task View：極値解析 | トライフィールズ

CRAN Task View: Extreme Value Analysisの英語での説明文をGoogle翻訳を使用させていただき機械的に翻訳したものを掲載しました。

Maintainer:	Christophe Dutang, Kevin Jaunatre
Contact:	Christophe.Dutang at ensimag.fr
Version:	2020-02-17
URL:	https://CRAN.R-project.org/view=ExtremeValue

極値モデルの作成と評価は、環境、水文学、金融、数理科学など、さまざまな応用分野で重要な課題です。極端な値の分析に対する制限は、サンプルの極端な部分が非常に重要である可能性があるため、正当化される可能性があります。つまり、以前の4つのトピックでは、大気汚染物質の高濃度、洪水、極端なクレームサイズ、価格ショックなど、より大きなリスクポテンシャルを示す可能性があります。極端な統計分析は、アプリケーションのトピックに応じて多くのパッケージに広がっている可能性があります。このタスクビューでは、方法論的側面からパッケージを提示します。

極値理論のアプリケーションは、他のタスクビューで見ることができます。

Financeタスクビューの財務および保険数理分析。
Environmetricsタスクビューの環境分析用。
確率分布の一般的な実装は、Distributionsタスクビューで検討されます。

メンテナーは、極端な価値の分析パッケージ（2013年）とAchim Zeileisの有用なコメントのためにE. Gilleland、M. Ribatet、A. Stephensonに謝意を表します。

情報が正確ではないと思われる場合、またはここに記載する必要があるパッケージまたは重要な情報を省略した場合は、ご連絡ください。

単変量極値理論：

ブロックマキシマアプローチ：
- evdは、広範囲の単変量分布関数を提供します。モデル化関数は、標準単変量極値法のパラメータの推定を可能にします。
- evdbayesは、MCMCメソッドを使用して単変量極値モデルのベイズ解析を提供します。それは、GEV分布のパラメータを推定するために尤度を使用します。
- revdbayesは、事後分布からの直接ランダムサンプリングを使用する、すなわちMCMC法を使用しない単変量極値モデルのベイズ解析を提供します。
- evirは、最尤フィッティングによって単変量GEV分布のモデリングを実行します。
- extRemesは、MLEによるブロック最大モデル接近のEVDs単変量推定を提供します。また、EVDのパラメータによる非定常性と、GEV分布に対する固定の場合のLモーメント推定とを組み込んでいます。
  - 独立したパッケージin2extRemesは、extRemes へのいくつかのGUIインターフェースを提供します。
- extremeStatは、リムモーメントを使用してlmomcoパッケージで利用可能な複数のGEV分布タイプに合わせてパラメータを推定する関数が含まれています。
- fExtremesは、単変量のデータ処理とモデリングを提供します。これには、クラスタリング、ブロック最大値同定、探索的分析が含まれます。GEVの定常モデルの推定は、最尤モデルと確率重み付きモーメントによって行われます。
- lmomは、GEV分布からの確率分布を低次のLモーメントを使ってデータに合わせる関数を持っています。
- lmomRFAは、lmom を拡張し、Lモーメントを使用した地域的な周波数分析のためのすべての主要コンポーネントを実装します。
- texmexは、ブートストラップ、MCMCシミュレーション、およびパラメータ推定の最尤法によるGEV分布の単変量極値モデル化手法を提供します。
- ismevは、GEV（診断プロット、MLE、尤度プロファイル）に適合する3つの関数のコレクションを提供し、Coles（2001）の本に続きます。
- mevは、ブロックマキシマアプローチのためにSmith（1987）の最後から2番目の近似を使用する関数を持っています。
- QRMは、GPDの適合をグラフィカルに評価する機能を提供します。
- Renextは、集約マークされたPOTプロセスを使用してGEV分布に適合する様々な機能を提供します。
GPDアプローチによるPeak-Over-Threshold：
- evdは、MLEによるGPDアプローチの単変量推定が含まれています。
- evdbayes のMCMCメソッドを使用した単変量極値モデルのベイジアン分析には、GP分布を推定する可能性が含まれます。
- revdbayesは、事後分布からの直接ランダムサンプリングを使用する、すなわちMCMC法を使用しない単変量極値モデルのベイズ解析を提供します。
- evirは、最尤フィッティングによって単変量GPDのモデリングを実行します。
- evmixは、カーネル密度推定と極値モデルを提供します。また、極値モデルを実装し、MLEを使用するモデル内のしきい値の選択に関するヘルプも含まれています。
- extremefitは、パレート型の尾部で閾値を超える超過のモデル化を提供します。それは閾値の適応的な選択を計算します。
- extRemesは、MLEによるGPDアプローチのEVDs単変量推定を提供します。EVDのパラメータを通した非定常性およびGPD分布の定置の場合のLモーメント推定も含まれます。
- extremeStatは、lmomcoパッケージで利用可能な複数のGPDディストリビューションタイプにフィットする関数があり、リニアモーメントを使用してパラメータを推定します。
- fExtremesは、最尤と確率加重モーメントによるGPDの定常モデルの推定が含まれています。
- lmomは、低次のLモーメントを使用して、GPDからデータへの確率分布を適合させる関数が含まれています。
- lmomRFAは、lmomを拡張し、Lモーメントを使用した地域的な周波数分析のためのすべての主要コンポーネントを実装します。
- texmexは、ブートストラップ、MCMCシミュレーション、およびパラメータ推定のための最尤（maximum likelihood）によるGPD分布の単変量極値モデル化アプローチを提供します。
- POTは、GPDパラメータ（MLE、L-Moments、中央値、最小密度出力発散）の複数の推定値を提供します。Lモーメント図および不均一なポアソン（Poisson）プロセス技術の特性から、閾値の選択が行われます。
- ismevは、GPD（診断プロット、閾値の範囲にわたるMLE、尤度プロファイル）に適合する3つの関数のコレクションを提供し、Coles（2OO1）の本に続きます。
- mevは、GPDからのデータをシミュレートする関数と、パラメータ（最適化、MLE、ベイジアンメソッド、ismevで使用されるメソッド）を推定する複数のメソッドをシミュレートする関数を提供します。
- Renextは、集約マークされたPOTプロセスを使用してGPD配布に適合し評価するためのさまざまな機能を提供します。
- threshrは、一連のスレッショルドから生じる予測パフォーマンスを比較するために、Bayesian Leave-One-Outクロスバリデーションアプローチを使用してスレッショルドの選択を処理します。
極限インデックス推定アプローチ：
- evdは、極値インデックス推定アプローチの単変量推定を実装します。
- evdbayesは、ポイントプロセスの特徴が含まれています。
- evirは、極値インデックス推定を含みます。
- extRemesは、MLEによるブロック最大値およびポアソンポイントプロセス近似のEVDs単変量推定を提供します。また、パラメータを介して非定常性も組み込まれています。
- fExtremes は単変量のデータ処理とモデリングを提供します。これには、極値インデックスの推定が含まれます。
- mevは、間接時間（MLEおよびSuveges（2007）の最小自乗平方根推定値）を基にした極値インデックス推定値を提供します。これは、Suveges and Davison（2010）が提案した情報行列検定統計量と極値指数のためのMLEを提供します。
- ReInsは、再保険の観点から極値インデックスとスプライシングアプローチの機能を提供します。
- ptsuiteは、パレート分布データの形状パラメータのさまざまな推定方法を実装しています。
回帰モデル：
- VGAMは、極値解析のための追加モデリングを提供します。ベクトル一般化加法モデルの推定は、バックフィッティングアルゴリズムを使用して実行され、スムージングスプラインに対してペナルティされた尤度を用います。これは、極端な値の解析のために加法的モデリングを行う唯一のパッケージです。GEVとGPの両方の配布が含まれています。
- ismevは、説明変数（診断プロット、MLE）でポイントプロセスに適合する関数のコレクションを提供し、Coles（2001）の本に続きます。
コピュラアプローチ：
- copulaは、一般的に使用される広範なコピュラを探索しモデリングするためのユーティリティを提供します（Distributions タスク・ビュー（コピュラ・セクション）も参照してください）。

二変量極値理論：

ブロックマキシマアプローチ：
- evdは、多変量分布関数を提供します。モデル化関数は、二変量極値分布のクラスのためのパラメータの推定を可能にします。二変量EVDのパラメトリック推定およびノンパラメトリック推定の両方を行うことができます。
GPDアプローチによるPeak-Over-Threshold：
- evdは、検閲された尤度法を使用して2変数のしきい値モデルを実装します。
- evir内の単一の多変量実装は、2変量のしきい値方法です。
- extremefitは、時間共変量に応じて、パレート型の尾部の閾値を超える超過のモデル化を提供します。それは、共変量に応じて閾値の適応的選択を提供します。
- POTは、2変量の場合のGPDパラメータの推定値を提供します。
テール依存係数のアプローチ：
- RTDEは、テール依存係数の二変量推定を実装します。

多変量極値理論：

ブロックマキシマアプローチ：
- lmomcoは、lmomに似ていますが、GEV分布の多変量解析のために、打ち切りデータのLモーメント、トリムLモーメント、Lモーメントなど、Lモーメント推定の最近の進歩も実装しています。
GPDアプローチによるPeak-Over-Threshold：
- lmomcoは、GPD分布のL-moments多変量解析も実装しています。
- texmexは、多変量プロセスのために有用な条件付き多変量極値モデル化アプローチを提供します。多変量プロセスでは、マージンのサブセットのみが極端であるようなイベントに関心がある場合に便利です。
コピュラアプローチ：
- copulaは、幅広く一般的に使用されるコピュラを探索しモデリングするためのユーティリティを提供します。極値コピュラのノンパラメトリック推定値が実装されています。
- Distributionsタスク・ビュー（コピュラ・セクション）も参照してください。

古典的なグラフィックス：

単変量極値解析のためのグラフィックス

Graphic name	Packages	Function names
Dispersion index plot	POT	diplot
Distribution fitting plot	extremeStat	distLplot
Hill plot	evir	hill
Hill plot	evmix	hillplot
Hill plot	extremefit	hill
Hill plot	QRM	hillPlot
Hill plot	ReIns	Hill
L-moment plot	POT	lmomplot
Mean residual life plot	POT	mrlplot
Mean residual life plot	evd	mrlplot
Mean residual life plot	evir	meplot
Mean residual life plot	evmix	mrlplot
Mean residual life plot	ismev	mrl.plot
Mean residual life plot	texmex	mrl
Mean residual life plot	QRM	MEplot
Mean residual life plot	ReIns	MeanExcess
Pickand’s plot	evmix	pickandsplot
QQ Pareto plot	POT	qplot
QQ Pareto plot	RTDE	qqparetoplot
QQ Pareto plot	QRM	plotFittedGPDvsEmpiricalExcesses
QQ Pareto plot	ReIns	ParetoQQ
QQ Exponential plot	QRM	QQplot
QQ Exponential plot	ReIns	ExpQQ
QQ Exponential plot	Renext	expplot
QQ Lognormal plot	ReIns	LognormalQQ
QQ Weibull plot	ReIns	WeibullQQ
QQ Weibull plot	Renext	weibplot
Risk measure plot	QRM	RMplot
Threshold choice plot	evd	tcplot
Threshold choice plot	evmix	tcplot
Threshold choice plot	POT	tcplot
Threshold choice plot	QRM	xiplot
Return level plot	texmex	rl
Return level plot	POT	retlev
Return level plot	POT	Return
Return level plot	Renext	plot,lines

多変量極値分析用グラフィックス

Bivariate threshold choice plot	evd	bvtcplot
Dependence measure (chi) plot	POT	chimeas
Dependence measure (chi) plot	evd	chiplot
Dependence measure (chi) plot	texmex	chi
Dependence diagnostic plot within time series	POT	tsdep.plot
Extremal index plot	POT	exiplot
Extremal index plot	evd	exiplot
Pickands’ dependence function plot	POT	pickdep
Spectral density plot	POT	specdens

古典的な本とレビュー論文：

E. Gilleland, M. Ribatet, A. Stephenson (2013). A Software Review for Extreme Value Analysis, Extremes , 16 , 103-119.

R.-D. Reiss, M. Thomas (2007). Statistical Analysis of Extreme Values with Applications to Insurance, Finance, Hydrology and Other Fields , Springer-Verlag.
L. de Haan, A. Ferreira (2006). Extreme Value Theory: An Introduction , Springer-Verlag.
J. Beirlant, Y. Goegebeur, J. Teugels, J. Segers (2004). Statistics of Extremes: Theory and Applications , John Wiley & Sons.
B. Finkenstaedt, H. Rootzen (2004). Extreme Values in Finance, Telecommunications, and the Environment , Chapman & Hall/CRC.
S. Coles (2001). An Introduction to Statistical Modeling of Extreme Values , Springer-Verlag.
P. Embrechts, C. Klueppelberg, T. Mikosch (1997). Modelling Extremal Events for Insurance and Finance , Springer-Verlag.
S.I. Resnick (1987). Extreme Values, Regular Variation and Point Processes , Springer-Verlag.
Smith, R.L. (1987). Approximations in extreme value theory. Technical report 205, Center for Stochastic Process, University of North Carolina, 1–34.
Suveges (2007) Likelihood estimation of the extremal index. Extremes, 10(1), 41-55.
Suveges and Davison (2010), Model misspecification in peaks over threshold analysis. Annals of Applied Statistics, 4(1), 203-221.

関連する記事