[논문 리뷰] Maximum likelihood estimation for the Fréchet distribution based on block maxima extracted from a time series

Axel Bücher, Johan Segers|arXiv (Cornell University)|2015. 01. 01.

Financial Risk and Volatility Modeling인용 수 2

한 줄 요약

이 논문은 블록 최댓값이 엄격하게 정적인 시간열에서 추출될 때, 프레셰 분포에 대한 최대우도추정량(MLE)의 일致성과 점근적 정규성을 확립하며, 순서적 독립성의 일반적인 가정을 검증한다. 블록 크기가 유한하고 의존성이 존재함에도 불구하고 MLE는 점근적으로 i.i.d.인 것처럼 행동하며, 점근적 분산은 프레셰 가족의 역피셔 정보와 일치함을 보여주며, 이는 장기적 의존성(합이 수렴하지 않는 혼합 계수) 조건에서도 성립한다.

ABSTRACT

The block maxima method in extreme-value analysis proceeds by fitting an extreme-value distribution to a sample of block maxima extracted from an observed stretch of a time series. The method is usually validated under two simplifying assumptions: the block maxima should be distributed according to an extreme-value distribution and the sample of block maxima should be independent. Both assumptions are only approximately true. For general triangular arrays of block maxima attracted to the Frechet distribution, consistency and asymptotic normality is established for the maximum likelihood estimator of the parameters of the limiting Frechet distribution. The results are specialized to the setting of block maxima extracted from a strictly stationary time series. The case where the underlying random variables are independent and identically distributed is further worked out in detail. The results are illustrated by theoretical examples and Monte Carlo simulations.

연구 동기 및 목표

• . 블록 최댓값을 독립적이라고 간주하는 것이 프레셰 분포에 적합할 때 일반적으로 쓰이는 관행을 엄밀히 정당화하는 데 목적이 있다.
• 모델 근사 오차(유한한 블록 크기)와 시간열 내의 순서적 의존성이라는 이중적 과제를 다룬다.
• 일般적인 표본 추출 방식 하에서 프레셰 분포의 영역에 속하는 MLE에 대한 점근 이론을 수립하는 것이 목적이다.
• 기술적 난이도로 인해 삼매개변수 GEV 모델에서의 경우를 제외하고는 주로 극단가중분포의 무거운 尾비를 대상으로 한다.
• 실제 시간열 의존성 하에서도 블록 최댓값 방법의 강건성을 확인한다.

제안 방법

• . 분석은 블록 크기가 표본 크기와 함께 증가하는 삼각형 배열 프레임워크 내에서 수행된다.
• 저자들은 재스케일링된 블록 최댓값의 경험적 측도가 프레셰 분포로 수렴할 조건을 도출한다.
• 파라미터 (α, σ)를 가진 프레셰 분포에 대해 최대우도추정을 적용하고, MLE의 점근적 성질을 유도한다.
• 핵심 기술적 접근은 기능 중심 중심극한정리의 논증을 통해 정규 극한으로 수렴하는 정규화된 경험 과정의 약한 수렴을 증명하는 것이다.
• 수렴의 분포 조건을 검증하는 데 의존하며, 이는 모멘트 유계성과 도미네이팅 수렴을 통한 균일 적분 가능성 조건을 포함한다.
• 점근적 분산이 피셔 정보 행렬의 역과 같음을 보여주며, 이는 i.i.d. 근사가 점근적으로 성립함을 확인한다.

실험 결과

연구 질문

• RQ1 . 의존성이 있는 정적 시간열에서 블록 최댓값을 추출할 때, 프레셰 분포에 대한 최대우도추정량이 여전히 일치성과 점근적 정규성을 가지는가?
• RQ2 . 비합이 수렴하는 혼합 계수를 포함한 일반적인 표본 추출 방식 하에서, 블록 최댓값 간의 독립성 가정이 이론적으로 정당화될 수 있는가?
• RQ3 . 기저 데이터가 의존적이며 블록 최댓값이 유한한 블록 기반일 경우, 프레셰 모수에 대한 MLE의 점근적 분포는 무엇인가?
• RQ4 . 의존성 하에서 MLE의 점근적 분산은 역피셔 정보와 어떻게 비교되는가?
• RQ5 . 모델 근사 오차(유한한 블록 크기)는 프레셰 영역 내에서 MLE의 점근적 성질에 영향을 미치는가?

주요 결과

• . 블록 최댓값이 프레셰 분포로 수렴하는 일반적인 삼각형 배열 체계 하에서, 프레셰 분포에 대한 최대우도추정량은 일치성과 점근적 정규성을 갖는다.
• . MLE의 점근적 분산 행렬은 프레셰 가족의 피셔 정보 행렬의 역과 같다. 이는 의존성 조건 하에서도 성립한다.
• . 강한 혼합 계수가 수렴하지 않더라도, 기저 시간열이 장기적 의존성을 가진다 하더라도 결과는 성립한다.
• . 이론적 정당성이 블록 최댓값 간의 독립성 가정이 프레셰 분포에 대해 점근적으로 타당함을 확인한다.
• . MLE는 마치 블록 최댓값이 i.i.d.였던 것처럼 동일한 점근적 효율성을 달성하며, 실무에서 표준 블록 최댓값 방법의 타당성을 검증한다.
• . 이론적 예시와 몬테카를로 시뮬레이션을 통해 결과가 뒷받침되며, 유한 표본 성능이 양호함을 보여준다.