[論文レビュー] Estimation of extreme risk regions under multivariate regular variation

Juan‐Juan Cai, J.H.J. Einmahl+1 more|Research portal (Tilburg University)|Nov 22, 2012

Financial Risk and Volatility Modeling被引用数 3

ひとこと要約

本稿は、極値理論を用いて観測データの外挙動を外挿することで、多次元正則変動分布における極端リスク領域の新しい推定器を提案する。弱正則変動仮定の下で推定器の一致性を確立し、シミュレーションおよび金融データへの応用を通じて良好な有限標本性能を示す。これにより、多次元設定における希少で高インパクトな事象の信頼性の高い検出が可能になる。

ABSTRACT

When considering d possibly dependent random variables, one is often interested in extreme risk regions, with very small probability p. We consider risk regions of the form ${\mathbf{z}\in\mathbb{R}^d:f(\mathbf{z})\leqβ}$, where f is the joint density and $β$ a small number. Estimation of such an extreme risk region is difficult since it contains hardly any or no data. Using extreme value theory, we construct a natural estimator of an extreme risk region and prove a refined form of consistency, given a random sample of multivariate regularly varying random vectors. In a detailed simulation and comparison study, the good performance of the procedure is demonstrated. We also apply our estimator to financial data.

研究の動機と目的

• データが不足または存在しない多次元正則変動分布における低密度集合で定義される極端リスク領域を推定すること。
• スペクトル測度の漸近的挙動と尾依存構造を活用する非パラメトリック推定器を開発すること。
• 極値領域における観測数がゼロであっても、弱正則変動仮定の下で推定器の一致性を保証すること。
• 希少で高インパクトな事象の特定を通じて、金融・保険分野におけるリスク管理およびストレステストの実用的ツールを提供すること。
• 単変量の極値分位数推定を、単一の値ではなく、全体の等高線集合を推定することで多次元設定に拡張すること。

提案手法

• 高い閾値を超える超過度に基づいて導出される非パラメトリックなカーネルベースのスペクトル測度推定器を用いる。
• 推定されたスペクトル測度を変換して、極端リスク領域 $ Q = \{ \mathbf{z} \in \mathbb{R}^d : f(\mathbf{z}) \leq \beta \} $ の推定器を構築する。
• 尾部挙動の一般化パレート分布近似に依拠し、多次元設定におけるピークオーバー・スレッショルド手法を適用する。
• $ L_2 $-ノルムに基づく正規化を実施し、バンド幅に依存するカーネルを用いて経験的スペクトル測度を平滑化する。
• 推定されたスペクトル測度と関連する等高線集合の確率的収束を用いて、推定器の一致性を証明する。
• 密度の漸近的スケーリングを、正則変動関数 $ V(t) = \mathbb{P}(\|\mathbf{X}\| > t) $ を通じて扱い、密度推定の適切な正規化を保証する。

実験結果

リサーチクエスチョン

• RQ1 極値領域に観測データが存在しない場合、多次元正則変動分布における極端リスク領域をどのように一貫して推定できるか。
• RQ2 弱正則変動仮定の下で、推定された極端等高線集合の漸近的挙動はいかなるものか。
• RQ3 本手法の推定器は、既存の非パラメトリック密度等高線集合推定器と比較して、一貫性および有限標本性能においてどのように異なるか。
• RQ4 高次元金融データにおいて、極値領域の観測数がゼロであっても、本手法は希少事象を信頼性高く検出できるか。
• RQ5 バンド幅の選択およびカーネルの選択が、推定された極端リスク領域の正確さに与える影響は何か。

主な発見

• 提案された極端リスク領域推定器は確率的に一貫しており、真の領域と推定領域の対称差が真の確率質量 $ p $ に対して収縮する。すなわち、$ \frac{P(\widetilde{Q}_n \triangle \widehat{Q}_n)}{p} \stackrel{\mathbb{P}}{\rightarrow} 0 $ が成り立つ。
• 極値理論による外挿を用いるため、極値領域に観測点が存在しない場合でも、推定器は一貫性を保つ。
• シミュレーション研究により、さまざまな依存構造下で推定領域が真の極値集合に非常に近接して近似されることを示した。
• 本手法は、実際の金融データにおいても極端リスク領域を的確に特定でき、ストレステストおよびリスク監視への応用価値を示した。
• 弱正則変動の下で、推定されたスペクトル測度および関連する等高線集合の収束が確立され、バンド幅およびカーネルパラメータによる誤差の明示的制御が可能である。
• シミュレーションによるロバストネスのチェックにより、尾指数およびバンド幅のやや誤った指定に対しても推定器の性能が頑健であることが示された。