[論文レビュー] Elemental unbiased estimators for the Generalized Pareto tail

FA McRobie|arXiv (Cornell University)|Apr 14, 2013

Financial Risk and Volatility Modeling参考文献 8被引用数 3

ひとこと要約

本稿は、一般化パレート分布（GPD）の尾部パラメータの不偏で位置およびスケール不変な「要素的」推定量を、3つの対数間隔を用いて導入し、標本サイズ N=3 でも正確な不偏性を達成する。これらの要素的推定量が、対数間隔の線形結合から構成されるすべての不偏推定量の完全な基底を形成することを示し、初期の証拠から純粋な GPD の標本に対してはそれらを組み合わせて一貫性のある推定量を得られる可能性があることが示唆されている。

ABSTRACT

Unbiased location- and scale-invariant `elemental' estimators for the GPD tail parameter are constructed. Each involves three log-spacings. The estimators are unbiased for finite sample sizes, even as small as N=3. It is shown that the elementals form a complete basis for unbiased location- and scale-invariant estimators constructed from linear combinations of log-spacings. Preliminary numerical evidence is presented which suggests that elemental combinations can be constructed which are consistent estimators of the tail parameter for samples drawn from the pure GPD family.

研究の動機と目的

• 位置およびスケール変換に対して不変である GPD 尾部パラメータの不偏推定量を開発すること。
• 標本サイズが非常に小さい（例：N=3）場合でも不偏性を保つ、対数間隔に基づく推定量を構築すること。
• 3つの対数間隔から構成される要素的推定量が、対数間隔の線形結合から得られるすべての不偏で位置およびスケール不変の推定量の完全な基底を形成するかどうかを確立すること。
• 純粋な GPD の標本から得られるデータに対して、要素的推定量を組み合わせることで尾部パラメータの推定において一貫性を達成できるかを検討すること。

提案手法

• 推定量は、標本の順序統計量から得られる3つの対数間隔の線形結合として構築される。
• 有限標本においても正確な不偏性を保つために、位置およびスケール依存性を排除する制約を課す。
• 対数間隔が位置およびスケールシフトに対して示す不変性の性質を活用し、推定量が構成上不変となるように導出する。
• すべての不偏で位置およびスケール不変の推定量の最小構成要素を表す「要素的推定量の基底」が導出される。
• 理論的導出により、これらの要素的推定量が、このような不偏推定量の全空間を張ることが確認される。
• 純粋な GPD データに対する線形結合が一貫性のある推定量を生成するかを評価するため、初期の数値実験が実施される。

実験結果

リサーチクエスチョン

• RQ1 標本サイズ N=3 であっても正確に不偏である、位置およびスケール不変な GPD 尾部パラメータの推定量を構築できるか？
• RQ2 3つの対数間隔に基づく要素的推定量が、対数間隔の線形結合から構成されるすべての不偏で位置およびスケール不変の推定量の完全な基底を形成するか？
• RQ3 純粋な GPD 分布からの標本に対して、要素的推定量を組み合わせることで尾部パラメータの推定において一貫性のある推定量を得られるか？
• RQ4 有限標本設定、特に小さな N における要素的推定量の理論的および実証的挙動はいかなるものか？

主な発見

• 要素的推定量は、標本サイズが N=3 であっても、GPD 尾部パラメータに対して正確に不偏であることが示され、有限標本における不偏性が裏付けられた。
• 要素的推定量の集合は、対数間隔の線形結合から構成されるすべての不偏で位置およびスケール不変の推定量の完全な基底を形成する。
• 理論的分析により、これらの要素的形態の線形空間の外には、同様の性質を持つ他の推定量は存在しないことが確認された。
• 初期の数値結果から、特定の要素的推定量の線形結合が、純粋な GPD 家族からの標本に対して一貫性のある推定量を生成できる可能性があることが示唆された。
• この構成は、スケールおよび位置不変性を内蔵する対数間隔の構造に完全に依存している。
• 漸近的近似を必要とせず、不偏推定量を体系的に生成するフレームワークを提供する。