[논문 리뷰] Hidden Regular Variation: Detection and Estimation

Abhimanyu Mitra, Sidney I. Resnick|arXiv (Cornell University)|2010. 01. 27.

Financial Risk and Volatility Modeling참고 문헌 23인용 수 3

한 줄 요약

이 논문은 $\mathbb{E} = [0,\infty]^d \setminus \{0\}$ 내에서 표준 $\mathbb{E}^{(2)}$ 이외의 고차원 부분원뿔에 대해 은닉 정규화 변화(HRV)를 확장하며, $\mathbb{E}^{(l)}$에서의 한계 측도 $\nu^{(l)}$에 대한 검출 절차와 준모수적 추정 방법을 제안한다. 주요 기여는 $\nu^{(l)}$의 준모수적 구조를 활용하여 위험 확률 추정치, 특히 희귀 사건에 대해 개선된 일致성 추정기법을 제공하는 것으로, 수치 예제에서 Heffernan-Resnick와 같은 비모수적 방법보다 뛰어난 성능을 보인다.

ABSTRACT

Hidden regular variation defines a subfamily of distributions satisfying multivariate regular variation on $\mathbb{E} = [0, \infty]^d \backslash \{(0,0, ..., 0) \} $ and models another regular variation on the sub-cone $\mathbb{E}^{(2)} = \mathbb{E} \backslash \cup_{i=1}^d \mathbb{L}_i$, where $\mathbb{L}_i$ is the $i$-th axis. We extend the concept of hidden regular variation to sub-cones of $\mathbb{E}^{(2)}$ as well. We suggest a procedure for detecting the presence of hidden regular variation, and if it exists, propose a method of estimating the limit measure exploiting its semi-parametric structure. We exhibit examples where hidden regular variation yields better estimates of probabilities of risk sets.

연구 동기 및 목표

• 3 \leq l \leq d인 부분원뿔 $\mathbb{E}^{(l)}$에 대해 은닉 정규화 변화(HRV) 이론을 두 차원을 초월해 확장하는 것.
• 임의의 유한 차원에서 적용 가능한 $\mathbb{E}^{(l)}$에서의 HRV 검출 절차를 개발하는 것.
• $\mathbb{E}^{(l)}$에서의 한계 측도 $\nu^{(l)}$에 대한 준모수적 추정 방법을 제안하여 비모수적 접근법을 개선하는 것.
• 표준 정규화 변화가 $\mathbb{E}$에서 포착하지 못하는 위험 확률에 대해 HRV가 비영인 추정치를 제공할 수 있음을 보여주는 것.
• 기존 HRV 프레임워크의 한계, 예를 들어 중간 尾지수 忽시 및 추정치에 대한 신뢰구간 부재 문제를 다루는 것.

제안 방법

• 서로 포함되는 부분원뿔 $\mathbb{E} \supset \mathbb{E}^{(2)} \supset \cdots \supset \mathbb{E}^{(d)}$에서 HRV를 정의하며, $\mathbb{E}^{(l)}$는 $l$차원 좌표 평면을 제거한다.
• empirical scaling 행동과 각도 측도 분석을 기반으로 한 검출 방법을 제안하여 $\mathbb{E}^{(l)}$에서의 HRV를 식별한다.
• 한계 측도 $\nu^{(l)}$를 비표준 좌표계로 변환하여, $\mathbb{E}^{(l)}$의 단위 구면에서의 파레토 측도 $\nu_{\alpha^{(l)}}$와 확률 측도 $S^{(l)}$로 분해함으로써 준모수적 추정을 가능하게 한다.
• $\nu^{(l)}$의 파라미터 부분(꼬리 지수 $\alpha^{(l)}$)과 비모수 부분($S^{(l)}$)을 별도로 추정하여 효율성을 향상시킨다.
• empirical measures를 통해 $\nu^{(l)}$에 대한 일致성 비모수적 추정기법을 구성하여 기준 기준으로 삼는다.
• 수치 실험을 통해 준모수적 추정기법과 Heffernan-Resnick 추정기법을 비교하며, 특히 꼬리 위험 확률 추정에 초점을 맞춘다.

실험 결과

연구 질문

• RQ1 3 이상의 차원에서의 부분원뿔 $\mathbb{E}^{(l)}$에 대해 은닉 정규화 변화가 일관되게 정의되고 검출될 수 있는가?
• RQ2 $\mathbb{E}$에서의 표준 정규화 변화보다 $\mathbb{E}^{(l)}$에서의 HRV가 희귀 사건 확률을 더 잘 추정하는가?
• RQ3 한계 측도 $\nu^{(l)}$의 준모수적 구조를 활용하여 비모수적 방법보다 추정 효율성을 높일 수 있는가?
• RQ4 제안된 검출 절차는 $d > 2$ 차원에서 $\mathbb{E}^{(l)}$에서의 HRV를 효과적으로 식별하는가?
• RQ5 현행 HRV 이론의 통계적 한계, 특히 신뢰구간과 퇴화한 한계 측도 처리 문제에 대해 무엇이 있는가?

주요 결과

• 제안된 준모수적 추정기법은 Heffernan-Resnick 비모수적 추정기법이 0으로 보고하는 위험 확률에 대해 비영인 추정치를 제공한다. 특히 $P[\text{Size} > 2 \times 10^8, \text{Rate} > 10^6]$와 같은 극단적 사건에서 그러한 현상이 관찰된다.
• 수치 결과는 준모수적 방법이 비모수적 Heffernan-Resnick 추정기법보다 꼬리 확률 추정에서 일관되게 뛰어나며, 추정의 효율성을 향상시키기 위해 구조적 가정을 활용함을 시사한다.
• 이 방법은 $l \geq 3$인 $\mathbb{E}^{(l)}$에서 HRV를 성공적으로 검출하였으며, 고차원에서의 상호의존성의 점 渐진적 독립성은 HRV의 필수 조건이 아님을 보여준다.
• 논문은 핵심적 한계를 밝혀내었는데, HRV 모델은 $\mathbb{E}^{(3)}$ 수준의 HRV보다 더 관련성이 높은 중간 꼬리 지수(예: $\mathbb{E}^{(2)}$ 평면에서의 $\alpha^{(2),2}$)를 忽시할 수 있음을 밝혔다.
• 한계 측도 $\nu^{(l)}(\{\mathbf{x} \in \mathbb{E}^{(l)} : \|\mathbf{x}\| > 1\})$의 유한성을 점검하기 위한 모멘트 조건을 유도하였지만, 이는 알려지지 않은 각도 측도 $S^{(l)}$에 의존하므로, 유한성에 대한 통계적 검정이 필요함을 시사한다.
• 저자들은 파rameter 또는 위험 확률 추정치에 대한 신뢰구간이 부재함을 인정하며, HRV 추론에서 중요한 열린 통계적 과제임을 지적한다.