[논문 리뷰] Extremes of Gaussian Random Fields with maximum variance attained over smooth curves

Peng Liu|arXiv (Cornell University)|2016. 12. 22.

Financial Risk and Volatility Modeling참고 문헌 10인용 수 3

한 줄 요약

이 논문은 매끄러운 곡선 위에서 최대 분산을 갖는 두 차원 중심 가우시안 랜덤 필드의 최대값의 꼬리 확률에 대한 정확한 渐近적 성질를 유도한다. 이는 이전의 유일한 최대 분산 점에 대한 연구를 확장한 것으로, 일반화된 피터바르크-피카르드 이론을 활용하여 일반화된 피카르드 및 피터바르크 상수를 포함하는 정밀한 꼬리 감쇠 속도를 확립한다. 이는 집적된 분수 차수 브라운 운동의 극값에 응용된다.

ABSTRACT

Let $X(s,t), (s,t)\in E$, with $E\subset \mathbb{R}^2$ a compact set, be a centered two dimensional Gaussian random field with continuous trajectories and variance function $σ(s,t)$. Denote by $\mathcal{L}=\{(s,t): σ(s,t)=\max_{(s',t')\in E}σ(s',t')\}$. In this contribution, we derive the exact asymptotics of $\mathbb{P}\left(\sup_{(s,t)\in E}X(s,t)>u ight)$, as $u o\infty$, under condition that $\mathcal{L}$ is a smooth curve. We illustrate our findings by an application concerned with extremes of the aggregation of two independent fractional Brownian motions.

연구 동기 및 목표

• 기존의 가우시안 랜덤 필드에 대한 渐近적 이론을 유일한 최대 분산 점의 경우를 초월하여 확장하기 위해.
• 최대 분산이 단일 점이 아닌 매끄러운 곡선 위에서 달성될 때 가우시안 필드의 최대값의 꼬리 행동을 분석하기 위해.
• 피터바르크-피카르드 프레임워크를 최대 분산 집합이 유일하지 않은 매끄러운 구조로 일반화하기 위해.
• 상관 및 분산 함수의 일반적인 정규 변동 조건 하에서 최대값의 꼬리 확률에 대한 정확한 渐近적 표현을 제공하기 위해.
• 이론적 결과를 집적된 분수 차수 브라운 운동의 극값에 적용하여, 장기적 의존성을 갖는 샤프 통계 및 확률 과정에서 발생하는 문제를 다루기 위해.

제안 방법

• 논문은 분산 함수의 최대값이 유일하지 않은 경우를 다루기 위해 피터바르크-피카르드 보조정리의 일반화를 사용한다.
• 지역적으로 최대 분산 곡선 근처의 가우시안 필드 행동을 정규적으로 변화하는 상관 및 분산 구조를 갖는 이변량 가우시안 과정으로 모델링한다.
• 이 방법은 분수 차수 브라운 운동과 그 최대값 분포를 통해 정의된 일반화된 피카르드 및 피터바르크 상수의 사용에 기반한다.
• 꼬리 확률의 균일 전개를 최대 분산 곡선의 수축하는 이웃 영역에 대해 수행함으로써 渐近적 분석을 수행하며, 역 위험 함수를 기반으로 한 정규화를 사용한다.
• 핵심 기술 도구는 스케일링 하에 컴act 집합 위에서 최대값의 꼬리 확률에 대한 균일 수렴 결과(보조정리 6.1)로, 한계에서의 일致성을 보장한다.
• 유도 과정은 기저가 되는 분수 차수 브라운 운동의 허스트 지수와 최대 분산 곡선의 기하학적 구조 간의 상호작용을 세심히 분석한다.

실험 결과

연구 질문

• RQ1 최대 분산이 단일 점이 아닌 매끄러운 곡선 위에서 달성될 때, 가우시안 랜덤 필드의 최대값의 정확한 渐近적 행동은 어떠한가?
• RQ2 일반화된 피카르드 및 피터바르크 상수는 이러한 필드의 꼬리 渐近적 성질에 어떻게 등장하는가?
• RQ3 허스트 지수와 국소 상관 구조는 꼬리 확률의 감쇠 속도를 결정하는 데 어떤 역할을 하는가?
• RQ4 최대 분산 집합의 비유일성은 유일한 최대값 경우와 비교해 복잡한 渐近적 척도에 어떤 영향을 미치는가?
• RQ5 유도된 渐近적 성질는 두 개의 독립된 분수 차수 브라운 운동의 집적과 같은 실제 확률 과정에 적용될 수 있는가?

주요 결과

• 가우시안 필드의 최대값의 꼬리 확률은 $ \mathbb{P}\left\{\sup_{(s,t)\in E}X(s,t)>u\right\} \sim C \cdot u^{2/\alpha_1} \Psi(u) $ 로 渐近적으로 만족하며, $ u \to \infty $ 일 때, 여기서 $ \Psi(u) $ 는 표준 정규 꼬리 함수이다.
• 상수 $ C $ 는 허스트 지수 $ \alpha_1, \alpha_2 \in (0,2] $ 를 포함하는 일반화된 피카르드 및 피터바르크 상수의 형태로 명시적으로 표현되며, $ \alpha_1 $ 는 감쇠 속도를 지배한다.
• 특히 $ \alpha_1 = \alpha_2 = \alpha $ 인 경우, 渐近적 상수는 $ \frac{2^{3-2/\alpha}}{\alpha} (\mathcal{H}_\alpha)^2 \int_0^1 (1 - t^\alpha)^{1/\alpha - 1} dt $ 로 표현되며, 이는 피카르드 상수 $ \mathcal{H}_\alpha $ 의 제곱에 의존한다.
• 특히 $ \alpha_1 = \alpha_2 = 1 $ 인 경우, 渐近적 상수는 $ 2 \widehat{\mathcal{H}}_1^{1,-1} $ 로 단순화되며, 이는 수정된 피터바르크 상수를 포함한다.
• 특히 $ \alpha_1 < 1 $ 인 경우, 渐近적 행동은 $ u^{4/\alpha_1 - 2} \Psi(u) $ 로 지배되며, 이는 $ \alpha_1 > 1 $ 인 경우보다 느린 감쇠를 반영한다.
• 결과는 $ X(s+t) - X(s) $ 의 최대값에 적용되어, 샤프 유형 통계의 꼬리 渐近적 성질가 제시된 일반 프레임워크로부터 유도될 수 있음을 보여준다.