[논문 리뷰] Comparison of Weibull Tail-Coefficient Estimators

Laurent Gardès, Stéphane Girard|arXiv (Cornell University)|2011. 04. 05.

Financial Risk and Volatility Modeling참고 문헌 18인용 수 6

한 줄 요약

이 논문은 극단적 순서통계의 로그 간격을 기반으로 한 Weibull 꼬리 계수 θ에 대한 통합된 추정자 가족을 제안하고, 두 번째 차수 조건 하에서 그들의 점근적 정규성을 입증한다. 주요 기여는 점근적 평균제곱오차(AMSE)에 대한 비교 분석으로, 특히 편향을 최소화하는 일부 추정자들이 기존의 [12]에서 제안한 추정자보다 우수함을 보여주며, 두 번째 차수 매개변수 ρ가 0에 가까울 경우 더욱 두드러진다.

ABSTRACT

We address the problem of estimating the Weibull tail-coefficient which is the regular variation exponent of the inverse failure rate function. We propose a family of estimators of this coefficient and an associate extreme quantile estimator. Their asymptotic normality are established and their asymptotic mean-square errors are compared. The results are illustrated on some finite sample situations.

연구 동기 및 목표

• Weibull 꼬리 계수 θ에 대한 일반적인 추정자 가족을 개발하여, 역 위험 함수의 정규 변화를 기술한다.
• 두 번째 차수 정규 변화 조건 하에서 제안된 추정자의 점근적 정규성을 확립한다.
• 가운데 추정자들 간의 점근적 평균제곱오차(AMSE)를 비교하여 최적 선택을 규명한다.
• 꼬리 계수 추정자에 기반한 극단적 분위수 추정자와 그 점근적 성질을 유도한다.
• 약한 정규 조건 하에서도 기존 추정자(예: [12]에서 제안한 것)를 포함하고 개선하는 제안된 가족이 성립함을 보여준다.

제안 방법

• 조정 순서 $T_n$ 과 $k_n$ 을 사용하여 정의된 추정자 가족을 제안: $\hat{\theta}_n = \frac{1}{T_n} \frac{1}{k_n} \sum_{i=1}^{k_n} (\log X_{n-i+1,n} - \log X_{n-k_n+1,n})$.
• 수렴 속도를 제어하기 위해 천천히 변화하는 함수 $\ell$ 과 두 번째 차수 매개변수 $\rho \leq 0$ 를 포함하는 두 번째 차수 조건 (A.2) 를 사용한다.
• $k_n^{1/2}(\hat{\theta}_n - \theta)$ 의 점근적 전개를 유도하여, 편향이 $b(\log(n/k_n))$ 과 $\theta a_n$ 에서 기인함을 보이며, 여기서 $a_n = \mu_0(\log(n/k_n))/T_n - 1$ 이다.
• 조건 $k_n \to \infty$, $k_n/n \to 0$, $T_n \log(n/k_n) \to 1$, 및 $k_n^{1/2} b(\log(n/k_n)) \to \lambda$ 하에서 로그 간격 차이에 대한 중심극한정리에 기반하여 $\hat{\theta}_n$ 의 점근적 정규성을 입증한다.
• 극단적 분위수 추정자 $\hat{x}_{p_n} = X_{n-k_n+1,n} \tau_n^{\hat{\theta}_n}$ 를 유도하며, $\tau_n = \log(1/p_n)/\log(n/k_n)$ 이고, [10]의 결과를 사용하여 그 점근적 정규성을 증명한다.
• 편향 항 $\theta a_n$ 과 $b(\log(n/k_n))$ 를 분석하여 AMSE를 비교함으로써, $a_n$ 과 $b$ 간의 상호작용이 AMSE에 영향을 미침을 보여준다.

실험 결과

연구 질문

• RQ1 제안된 Weibull 꼬리 계수 추정자 가족은 기존 추정자들과 비교하여 점근적 평균제곱오차(AMSE) 측면에서 어떻게 성능을 발휘하는가?
• RQ2 제안된 추정자의 점근적 정규성은 어떤 조건 하에서 확립되며, 편향과 분산 성분은 성능에 어떻게 영향을 미치는가?
• RQ3 제안된 추정자 가족 중에서 AMSE를 최소화하는 구성원은 무엇이며, 두 번째 차수 매개변수 $\rho$ 와 어떻게 관련되는가?
• RQ4 꼬리 계수 추정자에서 파생된 극단적 분위수 추정자 $\hat{x}_{p_n}$ 는 점근적으로 정규분포를 따를 수 있는가? 그 조건은 무엇인가?
• RQ5 $T_n$ 과 $k_n$ 의 선택은 편향과 효율성에 어떻게 영향을 미치며, 특히 $b(\log(n/k_n))$ 이 0이 아니거나 천천히 변화할 경우 어떻게 되는가?

주요 결과

• 두 번째 차수 조건 (A.2) 하에서 $\hat{\theta}_n$ 의 점근적 정규성이 입증되며, $k_n^{1/2}(\hat{\theta}_n - \theta - b(\log(n/k_n)) - \theta a_n) \xrightarrow{d} \mathcal{N}(0, \theta^2)$ 이다.
• $\hat{\theta}_n$ 의 AMSE 는 $AMSE = (\theta a_n + b(\log(n/k_n)))^2 + \theta^2 / k_n$ 로 주어지며, 이는 가족의 모든 구성원이 동일한 분산을 가지지만 다른 편향을 가짐을 보여준다.
• 함수 $T_n = \mu_0(\log(n/k_n))$ 를 사용하는 추정자 $\hat{\theta}_n^{(3)}$ 는 $b$ 가 궁극적으로 음수일 경우 $\hat{\theta}_n^{(1)}$ 보다 더 낮은 AMSE 를 가진다. 이는 음의 편향 보정 덕분이다.
• [12]에서 제안한 추정자 $\hat{\theta}_n^{(2)}$ 는 이전에 알려진 것보다 더 약한 조건 하에서도 점근적으로 정규분포를 따르며, 명시적인 편향 항을 통한 다른 추정자들과의 AMSE 비교가 가능하다.
• $b$ 가 궁극적으로 0이 아니며 정규적으로 변화할 경우, $b$ 가 양수이면 $\hat{\theta}_n^{(2)}$ 의 AMSE 는 $\hat{\theta}_n^{(1)}$ 보다 높고, $b$ 가 음수이면 더 낮다.
• 극단적 분위수 추정자 $\hat{x}_{p_n}$ 는 점근적으로 정규분포를 따르며, 그 극한 분포는 $\hat{\theta}_n$ 에 의해 결정된다. 조건 $\log(\tau_n) \log(n/k_n) \to \infty$ 가 성립하며, 이는 $p_n < 1/n$ 일 때 성립한다.