[논문 리뷰] Discrete Extremes

Adrien S. Hitz, Richard A. Davis외 1명|arXiv (Cornell University)|2017. 07. 17.

Financial Risk and Volatility Modeling참고 문헌 2인용 수 4

한 줄 요약

이 논문은 단어 빈도, tornado 폭발, 다胎 출생과 같은 이산형 데이터에서 극단가를 모델링하기 위해 두 가지 새로운 방법—이산 일반화된 페아르토 분포와 일반화된 지프 분포—를 제안한다. 이 방법들은 이론적으로 탄탄하며, 시뮬레이션 및 실제 데이터 세트에서 희귀 사건을 추정할 때 기존의 접근 방식을 능가한다.

ABSTRACT

Our contribution is to widen the scope of extreme value analysis applied to discrete-valued data. Extreme values of a random variable $X$ are commonly modeled using the generalized Pareto distribution, a method that often gives good results in practice. When $X$ is discrete, we propose two other methods using a discrete generalized Pareto and a generalized Zipf distribution respectively. Both are theoretically motivated and we show that they perform well in estimating rare events in several simulated and real data cases such as word frequency, tornado outbreaks and multiple births.

연구 동기 및 목표

• 연속 데이터에 국한된 극단가 분석을 이산형 랜덤 변수로 확장하기 위해.
• 일반화된 페아르토 분포와 같은 연속 극단가 분석 방법을 이산 데이터에 적용할 때 발생하는 한계를 해결하기 위해.
• 이론적으로 타당한 모델을 개발하여 이산 극단가에 특화된 모델을 제공함으로써 희귀 사건의 추정을 향상시키기 위해.
• 제안된 모델이 시뮬레이션 및 실제 이산 데이터 세트에서의 성능을 평가하기 위해.

제안 방법

• 이산 데이터를 위한 연속 일반화된 페아르토 분포의 자연스러운 확장으로서 이산 일반화된 페아르토 분포(DGPD)를 제안한다.
• 이산 극단가 분석을 위한 대안 모델로 일반화된 지프 분포를 도입한다.
• 극단가 이론과의 이론적 일관성을 확보하기 위해 두 모델의 확률 질량 함수를 유도한다.
• 관측된 데이터에서 꼬리 확률 및 극단 분위수를 추정하기 위해 모델을 적용한다.
• 관측된 데이터에 대한 제안된 분포의 모수를 적합하기 위해 최대우도추정법을 사용한다.
• 시뮬레이션 연구와 실제 데이터 적용(단어 빈도, 토너도 폭발, 다胎 출생 포함)을 통해 모델 성능을 검증한다.

실험 결과

연구 질문

• RQ1 이산 일반화된 페아르토 분포는 이산 데이터에서 극단가를 효과적으로 모델링할 수 있는가?
• RQ2 이산 일반화된 페아르토 분포의 성능은 이산 데이터에서 기존의 연속 극단가 분석 방법보다 어떻게 다른가?
• RQ3 일반화된 지프 분포는 이산 극단가를 모델링하기 위한 타당한 대안이 될 수 있는가?
• RQ4 제안된 모델은 단어 빈도 및 자연재해 발생과 같은 실제 이산 데이터 세트에서 희귀 사건을 얼마나 잘 추정하는가?
• RQ5 이산 극단가 모델을 사용할 경우 표준 연속 방법 대비 이론적 및 실증적 이점은 무엇인가?

주요 결과

• 이산 일반화된 페아르토 분포는 이론적으로 탄탄하고 효과적인 방법으로, 이산 데이터에서 극단가를 모델링하는 데 있어 연속 극단가 분석 방법을 능가한다.
• 일반화된 지프 분포는 꼬리 행동이 힘의 법칙과 유사한 데이터에서 이산 극단가를 모델링하기 위한 강력한 대안 모델을 제공한다.
• 두 제안된 모델은 시뮬레이션 및 실제 데이터 세트 다수에서 희귀 사건의 추정 정확도가 향상됨을 보여준다.
• 기존 방법이 종종 실패하는 단어 빈도 데이터에서 극단 분위수 및 꼬리 확률을 추정하는 데 모델이 뛰어난 성능을 보였다.
• 토너도 폭발 및 다胎 출생에 대한 실증 결과는 표준 방법보다 모델이 희귀하고 극단적인 사건을 더 정확하게 포착할 수 있음을 확인한다.