[論文レビュー] Computing Tails of Compound Distributions Using Direct Numerical Integration

Xiaolin Luo, Pavel V. Shevchenko|arXiv (Cornell University)|Apr 6, 2009

Meteorological Phenomena and Simulations参考文献 21被引用数 6

ひとこと要約

本稿では、特性関数を用いて、複合分布の高 quantile および条件付きリスク価値（CVaR）を計算するための適応的直接数値積分（DNI）アルゴリズムを提示する。有効な尾部積分近似を導入することで、最小限の計算コストで丸め誤差を著しく低減し、広い頻度範囲を有する重尾損失分布に対しても高い精度を達成する。これは、モンテカルロ法を上回り、中程度から高頻度、重尾分布のケースではFFTと同等またはそれ以上の速度と精度を示す。

ABSTRACT

An efficient adaptive direct numerical integration (DNI) algorithm is developed for computing high quantiles and conditional Value at Risk (CVaR) of compound distributions using characteristic functions. A key innovation of the numerical scheme is an effective tail integration approximation that reduces the truncation errors significantly with little extra effort. High precision results of the 0.999 quantile and CVaR were obtained for compound losses with heavy tails and a very wide range of loss frequencies using the DNI, Fast Fourier Transform (FFT) and Monte Carlo (MC) methods. These results, particularly relevant to operational risk modelling, can serve as benchmarks for comparing different numerical methods. We found that the adaptive DNI can achieve high accuracy with relatively coarse grids. It is much faster than MC and competitive with FFT in computing high quantiles and CVaR of compound distributions in the case of moderate to high frequencies and heavy tails.

研究の動機と目的

• オペレーショナルリスクの文脈において、特に重尾分布を有する複合分布の高 quantile および CVaR を効率的に計算する数値的手法を開発すること。
• 重尾分布の極端な尾部を計算する際の数値積分における高い丸め誤差の問題に取り組むこと。
• モンテカルロシミュレーションやFFTに依存せずに、尾部リスク指標の精度と効率を向上させること。
• オペレーショナルリスクモデリングにおける他の数値的手法を評価するためのベンチマークを提供すること。
• 適応的積分技術を用いて粗いグリッドでも高精度を達成できるかを実証すること。

提案手法

• 複合分布の累積分布関数を計算するために、特性関数の直接数値積分（DNI）を用いる。
• 特に尾部における積分精度を向上させるために、適応的台形則を適用する。
• 丸め誤差を最小限に抑えるために、新たな尾部積分近似を導入する。
• 複合分布の特性関数表現を活用して、数値的逆算を可能にする。
• さまざまな頻度および深刻度分布に対して、モンテカルロ法およびFFT法と比較してアルゴリズムを検証する。
• 被積分関数が尾部確率に顕著に寄与する領域において、特に積分グリッドを適応的に細分化する。

実験結果

リサーチクエスチョン

• RQ1 適応的台形則を用いた直接数値積分は、重尾を有する複合分布の高 quantile および CVaR を高精度に計算できるか？
• RQ2 提案された尾部積分近似は、標準的なDNI手法と比較して、丸め誤差をどのように低減するか？
• RQ3 精度と計算速度の観点から、適応的DNIはどの状況でモンテカルロ法やFFTを上回るか？
• RQ4 中程度から高頻度の損失プロセスを有するオペレーショナルリスクモデリングにおいて、この手法は信頼できるベンチマークを提供できるか？
• RQ5 提案された手法で高精度を達成するために、どの程度のグリッド解像度で十分か？

主な発見

• 適応的DNI手法は、重尾の深刻度および広い頻度範囲を有する複合分布の0.999 quantile およびCVaRに対して、高精度な結果を達成した。
• 有効な尾部積分近似のおかげで、丸め誤差が著しく低減され、追加の計算コストは最小限に抑えられた。
• モンテカルロシミュレーションに比べて著しく高速であり、中程度から高頻度、重尾分布のケースではFFTと同等またはそれ以上の性能を示した。
• 比較的粗い積分グリッドでも高精度が達成されたため、計算効率が優れていることが示された。
• 他の数値的手法をオペレーショナルリスクモデリングで比較するための信頼できるベンチマークとしての役割を果たした。
• 特に極端な尾部領域において、広範な種類の複合分布に対して、安定した性能を示した。