[論文レビュー] Extreme-Value Copulas

Gordon Gudendorf, Johan Segers|ArXiv.org|Nov 5, 2009

Financial Risk and Volatility Modeling参考文献 58被引用数 7

ひとこと要約

この論文は、独立同分布の標本における成分ごとの最大値の極限的挙動を特徴付けることで、稀なまたは極端な事象の依存構造をモデル化する極値コプヤの包括的なサーベイを提供する。max-安定性とPickandsの依存関数を用いて理論的基盤を確立し、パラメトリック族をレビューし、形状制約と推定効率を強調したパラメトリックおよびノンパラメトリック推定手法を詳述する。

ABSTRACT

Being the limits of copulas of componentwise maxima in independent random samples, extreme-value copulas can be considered to provide appropriate models for the dependence structure between rare events. Extreme-value copulas not only arise naturally in the domain of extreme-value theory, they can also be a convenient choice to model general positive dependence structures. The aim of this survey is to present the reader with the state-of-the-art in dependence modeling via extreme-value copulas. Both probabilistic and statistical issues are reviewed, in a nonparametric as well as a parametric context.

研究の動機と目的

• 多変量極値理論における極値コプヤを用いた依存構造モデリングの最新状況を概説すること。
• max-安定性とスペクトル表現を通じて、極値コプヤの理論的基盤を明確にすること。
• 代表的なパラメトリック族（Gumbel、Clayton、Galambosなど）とその依存特性をレビューすること。
• 形状制約を満たすように設計された、パラメトリックおよびノンパラメトリック推定手法を提示・比較すること。
• 極値分布の吸引域にあるデータに対して推定を行う際の課題に対処すること。

提案手法

• 独立同分布の標本における成分ごとの最大値のコプヤの極限を、極値コプヤの定義的構成として用いる。
• 定理2.1を用いて、極値コプヤとmax-安定コプヤの等価性を確立する。
• 単位単体 $ \Delta_{d-1} $ 上のスペクトル測度 $ H $ を用いたPickandsの表現を適用し、尾部依存関数 $ \ell $ を $ H $ における積分として定義する。
• Pickandsの依存関数 $ A $ を用いる。$ A $ は $ \ell(x_1,\ldots,x_d) = \int_{\Delta_{d-1}} \bigvee_j (w_j x_j) \, dH(w) $ で定義され、$ t \in [0,1] $ に対して $ A(t) \in [\max(t,1-t),1] $ を満たす。
• Gumbel、Clayton、Galambosなどのパラメトリック族をレビューし、これらは特定のスペクトル測度から導かれる。
• 形状制約を $ A $ に課すために、擬似尤度推定、CFG-推定、制約付き推定（例：凸下界、$ L^2 $-射影、ベイズ的手法）を用いる。

実験結果

リサーチクエスチョン

• RQ1 コプヤが極値コプヤであるための必要十分条件は何か？
• RQ2 スペクトル測度とPickandsの依存関数を用いて、極値コプヤをどのように表現できるか？
• RQ3 代表的なパラメトリック族の極値コプヤとその依存特性は何か？
• RQ4 Pickandsの依存関数の形状制約を満たすように、パラメトリックおよびノンパラメトリック推定をどのように行えるか？
• RQ5 Pickandsの依存関数の推定器の漸近的性質と相対的効率性は何か？

主な発見

• 極値コプヤはmax-安定コプヤと等価であり、独立同分布の標本における成分ごとの最大値のコプヤの極限として生じる。
• すべての極値コプヤは、単位単体 $ \Delta_{d-1} $ 上の有限ボレル測度 $ H $ を用いたスペクトル表現を有し、各マージンに対して $ \int w_j \, dH = 1 $ のモーメント制約を満たす。
• Pickandsの依存関数のCFG-推定は、標準的な推定器の中で最小の漸近的分散を有する。
• 制約付き推定法（例：パイLOT推定の凸下界、有効なPickands関数空間への$ L^2 $-射影）は、形状制約を満たすが、$ L^\infty $ 誤差を増加させない。
• 尤度駆動型のノンパラメトリックベイズ推定は、形状制約付きで、推定誤差が小さく、パラメトリックな周辺分布モデリングと良好に統合できる推定器をもたらす。
• データが極値分布の吸引域にある場合、半パラメトリックおよびノンパラメトリック手法（例：AG05、CF00、ES09）が必要となるが、一貫性のある推定には課題が伴う。