[论文解读] Estimation of Huesler-Reiss distributions and Brown-Resnick processes

Sebastian Engelke, Alexander Malinowski+2 more|arXiv (Cornell University)|Jul 30, 2012

Financial Risk and Volatility Modeling参考文献 21被引用 7

一句话总结

本文提出了一种针对Hüsler-Reiss与Brown-Resnick极值稳态过程的新型峰值超阈值（POT）推断方法，通过证明经适当定义的条件增量在渐近下服从多元正态分布，从而实现计算高效的参数估计。核心贡献在于构建了一个理论基础坚实、计算高效的估计框架，该框架利用极值理论及增量的渐近正态性。

ABSTRACT

Estimation of extreme-value parameters from observations in the max-domain of attraction (MDA) of a multivariate max-stable distribution commonly uses aggregated data such as block maxima. Since we expect that additional information is contained in the non-aggregated, single "large" observations, we introduce a new approach of inference based on a multivariate peaks-over-threshold method. We show that for any process in the MDA of the frequently used Hüsler-Reiss model or its spatial extension, the Brown-Resnick process, suitably defined conditional increments asymptotically follow a multivariate Gaussian distribution. This leads to computationally efficient estimates of the Hüsler-Reiss parameter matrix. Further, the results enable parametric inference for Brown-Resnick processes. A simulation study compares the performance of the new estimators to other commonly used methods. As an application, we fit a non-isotropic Brown-Resnick process to the extremes of 12 year data of daily wind speed measurements.

研究动机与目标

• 通过利用非聚合的极值观测而非仅块最大值，开发一种更高效的极值稳态过程推断方法。
• 解决标准块最大值方法因丢弃块内极值信息而带来的局限性。
• 为基于峰值超阈值的Brown-Resnick过程参数推断建立理论基础。
• 基于条件增量分布，推导Hüsler-Reiss参数矩阵的计算高效估计量。

提出的方法

• 该方法以一个或多个分量超过高阈值为条件，聚焦于极值的联合行为。
• 利用从Hüsler-Reiss分布的指数测度推导出的、经适当定义的条件增量的渐近正态性。
• 通过多元极值分布的谱测度与指数测度，刻画增量的极限分布。
• 理论结果基于泊松点过程极限与正规变异性推导，表明条件分布收敛至多元正态分布。
• 该方法通过参数矩阵Λ与Hüsler-Reiss分布及其空间扩展——Brown-Resnick过程的依赖关系，适用于两者。
• 通过将多元正态分布拟合到观测到的条件增量，构建估计量，从而实现高效的似然推断。

实验结果

研究问题

• RQ1 能否用多元正态分布渐近近似极值稳态过程在Hüsler-Reiss分布的极值域内的条件增量？
• RQ2 能否利用这种渐近正态性，构建Hüsler-Reiss参数矩阵的高效且计算可行的估计量？
• RQ3 所提出的峰值超阈值方法在估计效率与准确性方面是否优于传统的块最大值或复合似然方法？
• RQ4 该理论框架能否扩展至空间Brown-Resnick过程的参数推断？
• RQ5 在双变量情况下，给定任一分量超过高阈值时，增量 $ X^{(1)} - X^{(0)} $ 的极限分布为何？

主要发现

• Hüsler-Reiss分布的条件增量渐近服从均值为 $ M = (-2ar{ heta}^2_{1,0}, ar{ heta}^2_{k,0})^ op $ 与协方差矩阵 $ ilde{ heta} $ 的多元正态分布。
• 在双变量情况下，给定任一分量超过阈值时，$ X^{(1)} - X^{(0)} $ 的极限分布为折叠正态型分布，其密度函数为 $ g_ heta(t) = \frac{1}{4\theta \bar{\theta}(\theta)} \bar{\theta}\big(\theta - \frac{|t|}{2\theta}\big) $。
• 所提出的方法通过将多元正态模型拟合到观测到的条件增量，实现了Hüsler-Reiss参数矩阵的计算高效估计。
• 模拟研究显示，新估计量相较于块最大值与复合似然方法，具有更低的均方误差与更优的覆盖性能。
• 该方法成功将非各向同性的Brown-Resnick过程拟合至12年日均风速数据，展示了其在真实环境极值中的实际适用性。
• 该理论框架直接建立了对日常非极值过程（假设为高斯过程）建模与由此产生的极值依赖结构之间的联系，通过Hüsler-Reiss与Brown-Resnick模型实现。