[논문 리뷰] Asymptotic Distributions of the Overshoot and Undershoots for the Lévy Insurance Risk Process in the Cramér and Convolution Equivalent Cases

Philip S. Griffin, Ross Maller외 1명|arXiv (Cornell University)|2011. 06. 16.

Probability and Risk Models참고 문헌 28인용 수 4

한 줄 요약

이 논문은 Cramér 조건과 컨volution 등가 조건 하에서 Lévy 보험 리스크 과정의 오버슈트와 언더슈트의 점점 가까워지는 분포를 유도하며, 특정 매개수들이 일치할 경우 두 모델 간 놀라운 분석적 동등성을 드러낸다. 주요 기여는 중간 무거운 尾 꼬리 분포를 갖는 컨볼루션 등가 모델이 라이트 테일 Cramér 모델로 부드럽게 전이됨을 보여주며, 리스크 이론에서 두 주요 접근 방식을 통합하고 보험 리스크 과정의 모델링 유연성을 향상시킨다.

ABSTRACT

Recent models of the insurance risk process use a Lévy process to generalise the traditional Cramér-Lundberg compound Poisson model. This paper is concerned with the behaviour of the distributions of the overshoot and undershoots of a high level, for a Lévy process which drifts to $-\infty$ and satisfies a Cramér or a convolution equivalent condition. We derive these asymptotics under minimal conditions in the Cramér case, and compare them with known results for the convolution equivalent case, drawing attention to the striking and unexpected fact that they become identical when certain parameters tend to equality. Thus, at least regarding these quantities, the "medium-heavy" tailed convolution equivalent model segues into the "light-tailed" Cramér model in a natural way. This suggests a usefully expanded flexibility for modelling the insurance risk process. We illustrate this relationship by comparing the asymptotic distributions obtained for the overshoot and undershoots, assuming the Lévy process belongs to the "GTSC" class.

연구 동기 및 목표

• 과정의 드리프트가 −∞로 향할 때 Lévy 보험 리스크 과정에서 오버슈트와 언더슈트의 점점 가까워지는 행동을 분석하기 위해.
• 최소한의 가정 하에서 Cramér 조건 하에서 정밀한 점점 가까워지는 분포를 도출하기 위해.
• Cramér 조건 하의 결과를 컨볼루션 등가 모델의 결과와 비교하여 구조적 유사성을 부각하기 위해.
• 이전에 별개로 여겨졌던 두 모델이 매개수 동일 조건 하에서 분포 형태로 동일해지며, 통합된 모델링 프레임워크를 제안하기 위해.
• Cramér 및 컨볼루션 등가 모드가 자연스럽게 연결됨을 보여줌으로써 GTSC Lévy 과정의 클래스를 확장하기 위해.

제안 방법

• Lévy 과정을 그의 트리플렛 (γ, σ², Π_X) 을 통해 특성화하기 위해 Lévy-Khintchine 표현을 사용한다.
• 파산 확률의 지수 감소를 보장하기 위해 어떤 ν₀ > 0 에 대해 E[e^{ν₀X₁}] = 1 인 Cramér 조건을 적용한다.
• 중간 무거운 꼬리 분포를 모델링하기 위해 Lévy 측도 꼬리에 컨볼루션 등가 조건을 적용한다.
• 스케일 함수와 지수 기울기 변환을 사용하여 P(u − X_{τᵤ−} > x | τᵤ < ∞) 및 P(X_{τᵤ} − u > x | τᵤ < ∞) 의 점점 가까워지는 표현을 유도한다.
• 파산이 발생한다는 조건을 부여하기 위해 측도 변화 기법을 사용하여 문제를 복수형 구조로 변환한다.
• 부분 적분과 유계 수렴을 적용하여 잠재 측도 및 오버슈트 분포를 포함하는 적분의 점점 가까워지는 행동을 분석한다.

실험 결과

연구 질문

• RQ1 Cramér 조건 하에서 초기 예비금 u → ∞ 일 때 오버슈트 및 언더슈트 분포는 점점 가까워지게 어떻게 행동하는가?
• RQ2 Cramér 모델과 컨볼루션 등가 모델 간의 점점 가까워지는 오버슈트 및 언더슈트 분포는 어떤 관계가 있는가?
• RQ3 Cramér 모델과 컨볼루션 등가 모델의 점점 가까워지는 분포가 일치하는 조건은 무엇인가?
• RQ4 컨볼루션 등가 모델이 Cramér 모델의 극한 경우로 볼 수 있는가? 만약 그렇다면, 어떻게 되는가?
• RQ5 GTSC Lévy 과정의 클래스는 Cramér 모델과 컨볼루션 등가 리스크 모델 간 비교를 어떻게 지원하는가?

주요 결과

• Cramér 조건 하에서 오버슈트의 점점 가까워지는 분포는 1 − (ν₀d_H)/q 로 주어지며, 여기서 d_H 는 지수 기울기의 드리프트이고 q 는 ν₀ 에서의 라플라스 지수이다.
• 언더슈트 u − X_{τᵤ−} 의 점점 가까워지는 분포는 Lévy 측도 꼬리와 지수 기울기의 복합 분포로 수렴하며, 극한은 (ν₀d_H)/q + (1/q)∫₀ˣ e^{ν₀y} dΠ_H(y) 로 주어진다.
• Cramér 모델과 컨볼루션 등가 모델의 매개수를 ν₀ = α 로 설정할 경우, 오버슈트 및 언더슈트의 점점 가까워지는 분포는 동일해진다.
• 두 모델이 공통된 극한으로 수렴함으로써 라이트 테일(Cramér)에서 중간 무거운 꼬리(컨볼루션 등가) 리스크 과정으로의 연속적 전이가 가능함을 시사한다.
• 이 결과는 Cramér 경우에 최소한의 조건 하에서도 성립하며, 이는 이전 결과를 확장하고 리스크 모델링을 위한 통합 프레임워크를 제공한다.
• 분석은 GTSC 클래스가 이 이중성을 지원함을 확인하며, 라이트 테일 및 중간 무거운 꼬리 분포를 갖는 보험 리스크의 탄력적 모델링을 가능하게 한다.