[논문 리뷰] Estimation of extreme risk regions under multivariate regular variation

Juan‐Juan Cai, J.H.J. Einmahl외 1명|Research portal (Tilburg University)|2012. 11. 22.

Financial Risk and Volatility Modeling인용 수 3

한 줄 요약

이 논문은 다변량 정규적으로 변화하는 분포에서 극단적 위험 영역을 위한 새로운 추정기법을 제안하며, 극단적 값 이론을 활용해 관측된 데이터를 초월해 외삽한다. 약한 정규 변화 가정 하에서 추정기의 일致성을 확립하고, 시뮬레이션과 금융 데이터 응용을 통해 강한 유한 표본 성능을 입증함으로써, 다변량 환경에서 희귀하고 영향력이 큰 사건을 신뢰성 있게 탐지할 수 있는 도구를 제공한다.

ABSTRACT

When considering d possibly dependent random variables, one is often interested in extreme risk regions, with very small probability p. We consider risk regions of the form ${\mathbf{z}\in\mathbb{R}^d:f(\mathbf{z})\leqβ}$, where f is the joint density and $β$ a small number. Estimation of such an extreme risk region is difficult since it contains hardly any or no data. Using extreme value theory, we construct a natural estimator of an extreme risk region and prove a refined form of consistency, given a random sample of multivariate regularly varying random vectors. In a detailed simulation and comparison study, the good performance of the procedure is demonstrated. We also apply our estimator to financial data.

연구 동기 및 목표

• 데이터가 부족하거나 존재하지 않는 다변량 정규적으로 변화하는 분포에서 낮은 밀도 집합으로 정의된 극단적 위험 영역을 추정하기 위해.
• 스펙트럼 측도의 渐近적 행동과 꼬리 의존성 구조를 활용하는 비모수적 추정기법을 개발하기 위해.
• 관측된 극단적 영역 내 관측 수가 0일 경우에도 약한 정규 변화 가정 하에서 추정기의 일치성을 보장하기 위해.
• 희귀하고 영향력이 큰 사건을 식별함으로써 금융 및 보험 분야의 리스크 관리 및 스트레스 테스트에 실용적인 도구를 제공하기 위해.
• 단일 값이 아닌 전체 수준 집합을 추정함으로써 단변량 극단적 분위수 추정을 다변량 설정으로 확장하기 위해.

제안 방법

• 고임계수를 초과하는 초과치로부터 유도된 비모수적 커널 기반의 스펙트럼 측도 추정기법을 사용한다.
• 추정된 스펙트럼 측도를 밀도 수준 집합으로 변환하여 극단적 위험 영역 $ Q = \{ \mathbf{z} \in \mathbb{R}^d : f(\mathbf{z}) \leq \beta \} $ 의 추정기법을 구성한다.
• 꼬리 행동의 일반화된 페아토 분포 근사와 다변량 설정에서의 초과값 접근법을 사용한다.
• L_2-노름 기반 정규화를 적용하고, 대역폭에 의존하는 커널을 사용하여 경험적 스펙트럼 측도를 스무딩한다.
• 추정된 스펙트럼 측도와 관련 수준 집합의 확률적 수렴을 통해 추정기의 일치성을 증명한다.
• 밀도의 점차적 스케일링을 정규적으로 변화하는 함수 $ V(t) = \mathbb{P}(\|\mathbf{X}\| > t) $ 를 통해 처리하여, 밀도 추정의 적절한 정규화를 보장한다.

실험 결과

연구 질문

• RQ1 관측된 데이터가 관심 영역에 존재하지 않을 경우, 다변량 정규적으로 변화하는 분포에서 극단적 위험 영역을 어떻게 일관되게 추정할 수 있는가?
• RQ2 약한 정규 변화 가정 하에서 추정된 극단적 수준 집합의 점근적 행동은 어떠한가?
• RQ3 기존의 비모수적 밀도 수준 집합 추정기법과 비교해 본다면, 제안된 추정기법은 일치성과 유한 표본 성능 측면에서 어떻게 다른가?
• RQ4 관측된 극단적 영역 내 관측 수가 0일 경우에도 이 방법은 고차원 금융 데이터에서 희귀 사건을 신뢰성 있게 탐지할 수 있는가?
• RQ5 대역폭 선택과 커널 선택이 추정된 극단적 위험 영역의 정확성에 미치는 영향은 어떠한가?

주요 결과

• 제안된 극단적 위험 영역 추정기의 일치성은 확률적 수렴을 보이며, 진짜 영역과 추정 영역 간의 대칭 차집합이 진짜 확률 질량 $ p $ 에 대해 수축한다. 즉, $ \frac{P(\widetilde{Q}_n \triangle \widehat{Q}_n)}{p} \stackrel{\mathbb{P}}{\rightarrow} 0 $ 이다.
• 극단적 값 이론을 활용한 외삽 덕분에, 극단적 영역 내에 관측점이 전혀 없을 경우에도 추정기가 일관성을 유지한다.
• 시뮬레이션 연구 결과, 다양한 의존성 구조 하에서 추정된 영역이 진짜 극단적 집합에 매우 잘 근사됨을 보였다.
• 실제 금융 데이터에서 이 방법은 극단적 위험 영역을 성공적으로 식별하였으며, 스트레스 테스트 및 리스크 모니터링에 실용성을 입증하였다.
• 약한 정규 변화 조건 하에서 추정된 스펙트럼 측도와 관련 수준 집합의 수렴이 확립되었으며, 대역폭과 커널 파rameter를 통해 오차를 명시적으로 통제할 수 있었다.
• 시뮬레이션을 통한 안정성 검증 결과, 꼬리 지수와 대역폭의 중간 정도의 잘못된 지정에 대해서도 추정기의 성능이 뛰어난 안정성을 보였다.