[논문 리뷰] The Generalized Pareto process; with application

Ana Ferreira, Laurens de Haan|arXiv (Cornell University)|2012. 03. 12.

Financial Risk and Volatility Modeling참고 문헌 10인용 수 5

한 줄 요약

이 논문은 연속적인 확률적 과정에서 극단적 값을 모델링하기 위한 단변량 및 다변량 일반화된 페토 분포의 기능적 일반화인 일반화된 페토 과정(GPP)을 소개한다. GPP는 분포 함수가 아닌 기능적 성질을 통해 정의됨으로써, 재해가 아닌 폭풍 사건에서 전체 극단적 바람 분포를 통계적으로 모델링할 수 있게 하며, 현실적인 고영향 폭풍 시나리오를 성공적으로 재현한다.

ABSTRACT

In extreme value statistics the peaks-over-threshold method is widely used. The method is based on the Generalized Pareto distribution ([1], [8] in univariate theory and e.g. [3], [14] in multivariate theory) characterizing probabilities of exceedances over high thresholds. We present a generalization of this concept in the space of continuous functions. We call this the Generalized Pareto process. Different from earlier papers our definition is not based on a distribution function but on functional properties. As an application we use the theory to produce wind fields connected to disastrous storms on the basis of observed extreme but not disastrous storms.

연구 동기 및 목표

• 단변량 및 다변량 극단값 이론의 피크-오버-스레시드 방법을 기능적 자료, 특히 연속적인 확률적 과정으로 일반화하기 위해.
• 기능적 극단값을 모델링하기에 적합한, 분포 함수에 기반하지 않은 이론적으로 탄탄한 일반화된 페토 과정의 정의를 개발하기 위해.
• 비재해적 관측치로부터 실제 재해 수준의 고영향 폭풍 바람 분포를 복원하기 위해 GPP를 적용하여 극단 기상 위험 평가를 향상시키기 위해.
• 완전한 재해 데이터가 필요로 하지 않는 유연한 통계적 프레임워크를 제공하기 위해.

제안 방법

• GPP는 누적 분포 함수가 아닌, 특히 그 수렴 영역과 극단값 변환에 대한 안정성과 같은 기능적 성질을 통해 정의된다.
• 과정은 연속 함수 공간에서 고임계수를 초과하는 정규화된 초과치의 극한 분포로서 구성된다.
• 적절한 정규성 조건 하에서 함수 공간 내 정규 변동 이론을 활용하여 GPP 수렴을 보장한다.
• GPP는 비재해적 폭풍의 역사적 바람 속도 자료에 적용되어 재해 수준의 사건과 유사한 극단적 바람 분포를 시뮬레이션한다.
• 기능적 극단값 이론을 사용하여 실제 폭풍의 공간적 및 시간적 의존성 구조를 모델이 유지하도록 보장한다.
• 모델은 시뮬레이션된 극단적 바람 분포를 실제 재해 수준의 사건과 비교하여 통계적 현실성에 대해 검증된다.

실험 결과

연구 질문

• RQ1 피크-오버-스레시드 방법은 스칼라 및 벡터 극단값에서 기능적 자료, 예를 들어 연속적인 바람 분포로 어떻게 일반화될 수 있는가?
• RQ2 분포 함수에 종속되지 않는 연속 함수 공간 내에서 일반화된 페토 과정을 정의하는 기능적 성질은 무엇인가?
• RQ3 비재해적 관측치만을 사용하여 GPP가 실제 재해 수준의 폭풍 사건과 유사한 극단적 바람 분포를 정확하게 시뮬레이션할 수 있는가?
• RQ4 함수 공간 내에서 확률적 과정이 GPP로 수렴하는 데 필요한 이론적 조건은 무엇인가?
• RQ5 GPP는 현실적인 폭풍 시뮬레이션에 필수적인 공간적 및 시간적 의존성 구조를 어떻게 유지하는가?

주요 결과

• 제안된 일반화된 페토 과정은 분포 함수가 아닌 기능적 성질을 통해 정의되어, 기능적 극단값 분석을 위한 더 견고하고 일반적인 프레임워크를 가능하게 한다.
• GPP는 실제 폭풍에서 관찰된 공간적 및 시간적 상관관계를 유지하면서 극단적 바람 분포의 의존성 구조를 성공적으로 모델링한다.
• 비재해적 사건들로부터 GPP를 사용해 시뮬레이션한 바람 분포는 실제 재해 수준의 폭풍 사건과 통계적으로 유사한 특성을 보인다.
• 이 방법은 중간 수준의 사건들로부터 극단적 행동을 외삽할 수 있게 하여 희귀한 재해 데이터에 대한 의존도를 줄인다.
• 함수 공간 내 정규 변동 이론에 기반한 이론적 기초는 GPP 모델의 일致성과 극한 임계값 처리 하에서의 점근적 타당성을 보장한다.
• 응용 사례는 GPP가 기상학적 및 환경 모델링 분야에서 위험 평가에 실용적인 도구가 될 수 있음을 보여준다.