[논문 리뷰] Likelihood based inference for high-dimensional extreme value distributions

Christian Y. Robert, Robert, Christian Y.|arXiv (Cornell University)|2014. 03. 01.

Financial Risk and Volatility Modeling참고 문헌 14인용 수 8

한 줄 요약

이 논문은 절대 연속 스펙트럴 측도를 가진 최대안정 모형을 사용하여 고차원 극단가 분포에 대한 우도 기반 추론 방법을 개발한다. 전체 우도, 복합우도, 임계값 캐닝, 블록 최대값 접근법을 시간 정보와 함께 제안하며, 추정기의 점근적 정규성을 확립하고 시뮬레이션에서 이차적 복합우도보다 뛰어난 효율성을 입증한다. 특히 50차원에 이르는 고차원에서 뛰어난 성능을 보인다.

ABSTRACT

Multivariate extreme value statistical analysis is concerned with observations on several variables which are thought to possess some degree of tail-dependence. In areas such as the modeling of financial and insurance risks, or as the modeling of spatial variables, extreme value models in high dimensions (up to fifty or more) with their statistical inference procedures are needed. In this paper, we consider max-stable models for which the spectral random vectors have absolutely continuous distributions. For random samples with max-stable distributions we provide quasi-explicit analytical expressions of the full likelihoods. When the full likelihood becomes numerically intractable because of a too large dimension, it is however necessary to split the components into subgroups and to consider a composite likelihood approach. For random samples in the max-domain of attraction of a max-stable distribution, two approaches that use simpler likelihoods are possible: (i) a threshold approach that is combined with a censoring scheme, (ii) a block maxima approach that exploits the information on the occurrence times of the componentwise maxima. The asymptotic properties of the estimators are given and the utility of the methods is examined via simulation. The estimators are also compared with those derived from the pairwise composite likelihood method which has been previously proposed in the spatial extreme value literature.

연구 동기 및 목표

• 고차원 극단가 분포에 대한 우도 기반 추론을 개발하며, 특히 50개 이상의 변수가 포함된 설정에서 적용한다.
• 고차원에서 전체 우도의 계산 불가능성을 해결하기 위해 복합우도 및 임계값 기반 접근법을 제안한다.
• 공간적 및 금융 리스크 모델링 맥락에서 기존의 이차적 복합우도 추정기와 비교하여 제안된 우도 방법의 효율성을 평가한다.
• 정규 조건 하에 제안된 추정기의 점근적 정규성과 일致성(일致성)을 확립한다.
• 절대 연속 스펙트럴 측도를 가진 최대안정 모형에서 전체 우도 및 복합우도의 해석적 표현을 제공한다.

제안 방법

• 절대 연속 스펙트럴 측도를 가진 최대안정 분포의 전체 우도에 대해 준해석적 해석적 표현을 유도한다.
• 고차원 성분을 하위 집단으로 분할하여 계산 복잡도를 감소시키는 복합우도 접근법을 제안한다.
• 하향 임계값 이하의 정보를 유지하면서도 극단가 구조를 유지하기 위해 캐닝을 통한 임계값 기반 접근법을 도입한다.
• 성분별 최대값의 발생 시간 정보를 활용하여 우도를 단순화하고 추정 효율성을 향상시키는 블록 최대값 접근법을 개발한다.
• 점근적 이론을 적용하여 최대우도추정기 ˆθk가 정규분포로 수렴함을 보이며, 그 분산-공분산 행렬은 피셔 정보와 정규화 인자 V∗(θ;e)를 포함한다.
• 전체 우도, 캐닝 초과 우도, 성분별 최대값 우도의 명시적 스코어 함수 및 헤시안 함수를 유도한다.

실험 결과

연구 질문

• RQ1 절대 연속 스펙트럴 측도를 가진 고차원 최대안정 분포에 대해 전체 우도를 해석적으로 어떻게 표현할 수 있는가?
• RQ2 고차원 극단가 모델링에서 복합우도 방법의 효율성은 전체 우도에 비해 어느 정도인가?
• RQ3 발생 시간 정보를 포함한 임계값 기반 및 블록 최대값 접근법이 고차원 극단가 추론의 추정 효율성을 향상시킬 수 있는가?
• RQ4 제안된 우도 방법은 기존의 이차적 복합우도 추정기와 비교하여 편향과 분산 측면에서 어떻게 다른가?
• RQ5 제안된 우도 프레임워크에서 유도된 추정기의 점근적 성질은 무엇인가?

주요 결과

• 제안된 전체 우도 방법은 특히 고차원에서 이차적 복합우도보다 높은 효율성을 보이며, 절단 복합우도를 사용할 경우 손실이 최소한이 된다.
• 최대우도추정기 ˆθk의 점근적 정규성이 입증되었으며, √k(ˆθk − θ0)는 평균이 0이고 분산-공분산 행렬이 V∗(θ0;e)I−1X∗(θ0)인 정규분포로 수렴한다.
• 발생 시간 정보를 포함한 성분별 최대값 기반 복합우도 접근법은 양호한 유한표본 성능과 강력한 점근적 성질을 보인다.
• 임계값 캐닝 접근법은 극단가 관측치와 비극단가 관측치의 정보를 효과적으로 통합하여 고차원 설정에서 추정 정확도를 향상시킨다.
• 시뮬레이션 결과는 제안된 우도 방법이 기존의 이차적 복합우도 추정기보다 평균제곱오차와 수렴 속도 측면에서 뛰어나다는 것을 확인한다.
• 모든 세 가지 우도 프레임워크에 대해 스코어 함수와 헤시안 함수를 명시적으로 유도하여 효율적인 수치 최적화와 추론이 가능하다.