[論文レビュー] Statistical Tests Black swans or dragon-kings? A simple test for deviations from the power law

Joanna Janczura, Rafał Weron|arXiv (Cornell University)|May 1, 2012

Complex Systems and Time Series Analysis参考文献 33被引用数 47

ひとこと要約

本稿では、漸近的性質に基づく経験分布関数（EDF）を活用して、パワーローの尾部から予測されるよりも著しく大きな極端事象（ドラゴンキング）を検出する、シンプルで普遍的な統計的検定法を提案する。この手法は、EDFの各分位点における信頼区間を構築し、それらの区間外にある観測値を潜在的なドラゴンキングとして特定する。主な貢献は、分布に依存しない実用的で汎用性の高い検定法であり、電力価格の急騰や金融市場の暴落においてドラゴンキングを明らかにする。実証的結果では、オーストラリアの電力市場において広範にドラゴンキング行動が見られる一方、ドイツ市場ではその証拠は限定的であることが示された。

ABSTRACT

We develop a simple test for deviations from power law tails. Actually, from the tails of any distribution. We use this test – which is based on the asymptotic properties of the empirical distribution function – to answer the question whether great natural disasters, financial crashes or electricity price spikes should be classified as dragon-kings or ‘only’ as black swans.

研究の動機と目的

• パワーローの尾部からの逸脱を検出できるシンプルで普遍的な検定法を開発し、ドラゴンキングとブラックスワン（パワーロー下で予想されるがまれな）を区別すること。
• 極端事象が「ブラックスワン」（パワーロー下で予想されるがまれな現象）か「ドラゴンキング」（内生的メカニズムによって引き起こされ、予測を著しく上回る）かを分類する際の曖昧さを解消すること。
• 重尾分布および軽尾分布の両方のデータに適用可能な、実用的で分布に依存しない手法を提供すること。金融市場やエネルギー市場の実データにも適用可能である。
• 電力市場における極端な価格急騰が、パワーローの尾部で説明されるのか、それともドラゴンキング現象によって説明されるのかを実証的に検証すること。

提案手法

• 中心極限定理に基づくEDFの漸近的正規性を活用し、任意の分位点xにおけるEDFの点ごとの信頼区間（CI）を構築する。
• 右尾部に対しては、次の式を用いて1−F(x)の信頼区間を計算する：1−F(x) ± zα/2 × √[F(x)(1−F(x))/n]、ここでF(x)は真のCDFを表す。
• 上尾部（例：観測値の上位10%-1%または25%-2.5%）にパワーローをフィットさせ、得られた信頼帯と観測EDF値を比較する。
• 信頼帯（95%または99%）の外側にある観測値は、潜在的なドラゴンキングとしてマークされる。
• このアプローチは一般性に富み、適切なCDFをCI式に代入することで、任意の真の分布に適応可能である。
• モンテカルロシミュレーションを用いてコーシー、パレート、双曲線、ワイブル分布の各分布で妥当性を検証し、EEX（ドイツ）およびNSW（オーストラリア）の実際の電力価格データに適用した。

実験結果

リサーチクエスチョン

• RQ1 パワーローの尾部から予測されるよりも著しく大きな極端事象（ドラゴンキング）を、単なるブラックスワンの外れ値としてではなく、シンプルで分布に依存しない統計的検定で信頼性高く検出できるか？
• RQ2 現実の市場における極端な電力価格急騰は、パワーローの尾部で説明されるのか、それともドラゴンキング現象によって説明されるのか？
• RQ3 有限標本におけるドラゴンキング検出率に、尾部のキャリブレーション範囲の選択（例：上位10%-1%対25%-2.5%）がどのように影響するか？
• RQ4 電力市場におけるドラゴンキングは、市場構造（例：「エネルギーのみ」市場対容量制約市場）とどの程度相関しているか？
• RQ5 小標本におけるパワーローのフィッティング不良によって生じる誤った外れ値と、真のドラゴンキングをこの検定がどの程度区別できるか？

主な発見

• シミュレーションでは、パワーローが適切にフィットした重尾分布（コーシー、パレート）において、外れ値が正しく同定され、名目水準（例：95%信頼区間が95%の観測値をカバー）に近いカバレッジレートを示した。
• 軽尾分布（ワイブル）においては、真の分布がパワーロー的尾部でない場合に上尾部が外れ値を含むと正しく特定され、この手法がパワーロー行動からの逸脱に感受性があることを示した。
• EEX電力市場（ドイツ）では、夜間の価格変動（例：午前4時）のみがパワーロー尾部からの著しい逸脱を示し、10%-1%の尾部範囲では95%の観測値がドラゴンキングと分類された。
• NSW電力市場（オーストラリア）では、ほぼすべての昼間の時間帯（例：午前10時、正午、午後6時）の価格変動が95%および99%信頼帯の外側に位置し、広範なドラゴンキング行動が示された。
• この検定により、オーストラリアの電力価格はドイツの価格よりも変動が大きく、尾部が重いことが判明。95%信頼水準の25%-2.5%の尾部範囲では、78.1%のサンプルにドラゴンキングが存在した。
• 結果から、電力市場におけるドラゴンキングはランダムな外れ値ではなく、特に「エネルギーのみ」市場であるオーストラリアのような市場特有のメカニズム（例：夜間の高風力発電と低需要）と関連している可能性があると示唆された。