[論文レビュー] Efficient calculation of risk measures by importance sampling -- the heavy tailed case

Henrik Hult, Jens Svensson|ArXiv.org|Sep 17, 2009

Financial Risk and Volatility Modeling参考文献 6被引用数 6

ひとこと要約

本稿では、重尾分布下での尾に基づくリスク測度（例えば、リスクの価値と期待ショートフォール）を効率的に推定するための重要度サンプリング手法を提案する。著者らは、定期的変動する尾に特化した既存のレアイベント重要度サンプリングアルゴリズムを活用し、これらの推定量の漸近的相対誤差が小さくなる条件を確立した。これにより、重尾設定下での極値分位数および期待ショートフォールのモンテカルロ効率が顕著に向上する。

ABSTRACT

Computation of extreme quantiles and tail-based risk measures using standard Monte Carlo simulation can be inefficient. A method to speed up computations is provided by importance sampling. We show that importance sampling algorithms, designed for efficient tail probability estimation, can significantly improve Monte Carlo estimators of tail-based risk measures. In the heavy-tailed setting, when the random variable of interest has a regularly varying distribution, we provide sufficient conditions for the asymptotic relative error of importance sampling estimators of risk measures, such as Value-at-Risk and expected shortfall, to be small. The results are illustrated by some numerical examples.

研究の動機と目的

• 重尾分布における極値分位数および尾リスク測度のモンテカルロシミュレーションの計算効率を向上させること。
• 分布の尾部におけるレアイベントを推定する際の、標準モンテカルロ手法の非効率性に対処すること。
• 元々レアイベント確率の推定のために設計された重要度サンプリング技術を、リスク測度（例えば、リスクの価値および期待ショートフォール）の推定に拡張すること。
• 重尾ケースにおいて、リスク測度のための重要度サンプリング推定量の漸近的相対誤差が小さくなる十分条件を導出すること。
• パレート分布に従う増分を持つランダムウォークの数値シミュレーションを通じて、手法の妥当性を検証すること。

提案手法

• 損失分布の尾領域でのサンプリング頻度を高めるために、測度の変更を伴う重要度サンプリングを用いる。
• 分位数のための重要度サンプリング推定量は、重要度サンプリングの経験的分布関数の逆関数によって定義される：$(1 - \overline{F}_{\nu,N})^{\leftarrow}(p)$。
• 期待ショートフォールのための推定量は、$\gamma_p((1 - \overline{F}_{\nu,N})^{\leftarrow})$ として定義され、ここで $\gamma_p$ は区間 $[p,1]$ 上で分位数関数を統合する。
• 尾が定期的変動する重尾ケースに注目し、$p \to 1$ のときの推定量の漸近的分散を分析する。
• 既存のレアイベント用重要度サンプリングアルゴリズムを基盤とし、尤度比の2次モーメントの振る舞いを分析することで、リスク測度推定に適応させる。
• 尾の定期的変動性と重要度サンプリング測度の選択に基づき、漸近的相対誤差が小さくなるよう保証する理論的条件を導出する。

実験結果

リサーチクエスチョン

• RQ1 レアイベント確率の推定のために設計された重要度サンプリングを、リスクの価値や期待ショートフォールといった尾ベースのリスク測度の推定に再利用することは可能か？
• RQ2 重尾ケースにおいて、極値分位数を推定する際、漸近的相対誤差が小さくなるよう保証するための重要度サンプリング測度の条件は何か？
• RQ3 極値分位数の推定において、$p \to 1$ の極限で、期待ショートフォールのための重要度サンプリング推定量の性能は標準モンテカルロと比べてどうなるか？
• RQ4 尾指数（例：$\alpha = 2$ または $3$）は、リスク測度のための重要度サンプリングの効率にどのような影響を与えるか？
• RQ5 定期的変動する確率変数の和に関する数値シミュレーションを通じて、理論的漸近的分散の挙動を検証できるか？

主な発見

• n=10 および 1-p=10^{-5} の場合、DLW法は分位数推定の標準誤差を1.51に抑え、標準モンテカルロの1594に比べて精度が著しく向上した。
• α=2 の場合、n=30 および 1-p=10^{-5} で、DLW法は期待ショートフォールの標準誤差を59.8に抑え、標準モンテカルロの3671に比べて分散が60倍小さくなった。
• DLW法は、極端な尾領域においても真の値に近い推定値を一貫して得ており、テストされたすべての手法の中で最小の標準誤差を示した。
• α=3 の場合、n=30 および 1-p=10^{-5} で、DLW法は分位数推定の標準誤差を0.273に抑え、標準モンテカルロの28.53に比べて優れた安定性を示した。
• 1回の推定あたりの平均計算時間は、DLW法が0.7〜1.3秒で、標準モンテカルロの最大1.3秒よりも常に低く、収束特性も優れていた。
• 数値結果は、有限標本でも漸近理論が成立することを確認した：DLW法は極端な尾部レベルでも低分散・低バイアスを維持しており、定期的変動性および重要度サンプリング設計に関する理論的条件が妥当であることを裏付けた。