[논문 리뷰] Likelihood inference for Archimedean copulas

Marius Hofert, Martin Mächler외 1명|arXiv (Cornell University)|2011. 08. 30.

Financial Risk and Volatility Modeling참고 문헌 31인용 수 3

한 줄 요약

이 논문은 잘 알려진 아르키메데스 복소함수의 생성자 도함수에 대해 명시적인 함수 형태를 유도하여, 높은 차원(d=100까지)에서도 정확하고 효율적인 최대우도추정(MLE)을 가능하게 한다. 주요 기여는 수치적으로 안정적이며 오픈소스인 R 패키지 nacopula에 구현된 것으로, 차원이 증가함에 따라 루트평균제곱오차가 감소하고, 우도 기반 신뢰구간 및 다중파rameter 추정을 가능하게 한다.

ABSTRACT

Explicit functional forms for the generator derivatives of well-known one-parameter Archimedean copulas are derived. These derivatives are essential for likelihood inference as they appear in the copula density, conditional distribution functions, or the Kendall distribution function. They are also required for several asymmetric extensions of Archimedean copulas such as Khoudraji-transformed Archimedean copulas. Access to the generator derivatives makes maximum-likelihood estimation for Archimedean copulas feasible in terms of both precision and run time, even in large dimensions. It is shown by simulation that the root mean squared error is decreasing in the dimension. This decrease is of the same order as the decrease in sample size. Furthermore, confidence intervals for the parameter vector are derived. Moreover, extensions to multi-parameter Archimedean families are given. All presented methods are implemented in the open-source R package nacopula and can thus easily be accessed and studied.

연구 동기 및 목표

• 높은 차원에서 아르키메데스 복소함수의 생성자 도함수를 유도하고 평가하는 데 발생하는 계산적 과제를 해결하기 위해.
• 필요한 도함수에 대해 닫힌 형태의 표현식을 제공하여 아르키메데스 복소함수의 정확하고 효율적인 최대우도추정(MLE)을 가능하게 하기 위해.
• 클레이튼 가족과 같은 다중파rameter 아르키메데스 가족으로 MLE를 확장하기 위해, 초기 구간 선택 전략 및 신뢰구간 구성 전략을 제공하기 위해.
• 루트평균제곱오차(RMSE)가 차원 증가와 함께 감소하며, 표본 크기 감소와 유사한 방식으로 척도가 조절됨을 보여주기 위해.
• 재현 가능하고 실용적인 사용을 위해 R 패키지 nacopula에 투명하고 오픈소스로 구현을 제공하기 위해.

제안 방법

• 표준 아르키메데스 가족(예: 구멜, 클레이튼, GIG)의 생성자 도함수에 대해 명시적이고 재귀적이지 않은 함수 형태를 유도하여, 복소함수 밀도 및 분포 함수에 필수적이다.
• 도함수의 해석적 표현식을 사용하여 기호 계산 시스템에 의존하지 않고도 복소함수 밀도, 조건부 분포 및 켄달 분포 함수를 계산한다.
• 특히 GIG 복소함수와 같은 다중파라미터 가족의 경우, 최대우도화를 위한 수치 최적화를 위해 신중하게 구성된 초기 구간을 적용한다.
• 최적화에서 수렴을 보장하기 위해 추정된 켄달 타우를 바탕으로 초기 파rameter 사각형을 결정하는 이중단계 알고리즘을 적용한다.
• 파라미터 벡터에 대한 우도 기반 신뢰구간을 구성하고, 클레이튼 가족의 경우 피셔 정보 기반 구간과 비교한다.
• 모든 알고리즘은 오픈소스 R 패키지 nacopula에 구현되어 있어 재현 가능하고 연구자들이 접근하기 쉽게 한다.

실험 결과

연구 질문

• RQ1 임의의 차원에서 잘 알려진 아르키메데스 복소함수에 대해 명시적이고 수치적으로 안정적인 생성자 도함수 표현식을 도출할 수 있는가?
• RQ2 아르키메데스 복소함수의 최대우도추정(MLE)은 높은 차원(d ≥ 10)에서도 정확하고 계산적으로 실현 가능한가?
• RQ3 파라미터 추정의 루트평균제곱오차(RMSE)는 차원과 표본 크기가 증가함에 따라 어떻게 척도 조절되는가?
• RQ4 다중파라미터 아르키메데스 가족의 우도 최적화를 위한 신뢰할 수 있는 초기 구간을 구성할 수 있는가?
• RQ5 우도 기반 파라미터 신뢰구간은 정보 기반 구간과 커버리지 및 정확성 측면에서 비교 가능한가?

주요 결과

• 파라미터 추정의 루트평균제곱오차(RMSE)는 차원 d가 증가함에 따라 감소하며, 이 감소 정도는 표본 크기 n 감소와 동일한 순서이므로 RMSE ∝ 1/√(nd)이다.
• 아르키메데스 복소함수의 최대우도추정은 높은 차원까지(d=100까지) 정확하고 계산적으로 효율적이며, 이는 이전 연구와 본 연구에서 확인된 linh다.
• GIG 복소함수 가족의 경우, 약한 조율성(낮은 켄달 타우) 조건에서 낮은 편향을 달성하기 위해 더 큰 표본 크기가 필요하며, 특히 ν가 작을 때 더욱 그렇다.
• GIG와 같은 다중파라미터 가족의 경우, 추정된 켄달 타우를 바탕으로 한 알고리즘을 통해 초기 구간을 안정적으로 구성할 수 있으며, 이는 최적화에서 수렴을 보장한다.
• 파라미터 벡터에 대한 우도 기반 신뢰구간은 실현 가능하며 피셔 정보 기반 구간과 비교해도 유사한 성능을 보이며, 특히 피셔 정보가 해석적으로 다룰 수 있는 클레이튼 가족의 경우 더욱 그렇다.
• 모든 방법은 오픈소스 R 패키지 nacopula에 구현되어 공개되어 있어 연구자들이 완전한 재현성과 실용적 응용이 가능하다.