[논문 리뷰] Large deviation asymptotics for the left tail of the sum of dependent positive random variables

Peter Tankov|arXiv (Cornell University)|2014. 02. 19.

Probability and Risk Models인용 수 1

한 줄 요약

이 논문은 약한 상관관계를 가진 양의 랜덤 변수들의 합의 로그 스케일 꼬리 행동을 측정하기 위해 새로운 기능적 측정법인 약한 꼬리 의존도 함수를 도입한다. 이 측정법은 코풀라 수준에서 정의되므로, 가우시안, 가우시안 혼합, 아르키메데스, 극단가치 코풀라를 포함한 다양한 코풀라 가족에 대해 점점 커지는 꼬리 확률을 정밀하게 분석할 수 있게 하며, 극단적인 사건에서의 의존성 모델링을 위한 정교한 도구를 제공한다.

ABSTRACT

We introduce a new functional measure of tail dependence for weakly dependent (asymptotically independent) random vectors, termed weak tail dependence function. The new measure is defined at the level of copulas and we compute it for several copula families such as the Gaussian copula, copulas of a class of Gaussian mixture models, certain Archimedean copulas and extreme value copulas. The new measure allows to quantify the tail behavior of certain functionals of weakly dependent random vectors at the log scale.

연구 동기 및 목표

• 기존의 꼬리 의존도 측정법이 실패하는, 약한 상관관계를 가진 양의 랜덤 변수들의 합에서 꼬리 행동을 모델링하는 데 도전하는 것.
• 약한 상관관계를 가진 벡터의 로그 스케일에서 점점 커지는 의존성 구조를 포착하는 새로운 기능적 측정법을 개발하는 것.
• 코풀라 프레임워크 내에서 특별히 약한 꼬리 의존도 함수를 정의하고 계산하여 다양한 의존성 가족 간의 분석이 가능하도록 하는 것.
• 점점 커지는 독립성 하에서 약한 상관관계를 가진 랜덤 벡터의 기능적 특성—특히 합—의 꼬리 행동을 정량화하는 것.
• 다변량 환경에서 위험 평가와 극단가치 분석을 위한 이론적으로 탄탄하고 계산 가능한 도구를 제공하는 것.

제안 방법

• 약한 상관관계를 가진 랜덤 벡터의 공동 꼬리 행동를 기술하기 위해 코풀라 수준에서 정의된 새로운 기능적 측정법인 약한 꼬리 의존도 함수를 제안한다.
• 가우시안, 가우시안 혼합 모델, 특정 아르키메데스, 극단가치 코풀라를 포함한 여러 파라미터 코풀라 가족에 대해 약한 꼬리 의존도 함수를 유도한다.
• 양의 약한 상관관계를 가진 랜덤 변수들의 합의 로그 스케일 꼬리 행동을 분석하기 위해 渐近적 분석을 사용한다.
• 코풀라 기반 기법을 적용하여 의존성 구조를 모델링하고 점점 커지는 독립성 하에서 꼬리 의존도 특성을 추출한다.
• 기능적 극한정리와 정규 변동 개념을 사용하여 의존성 있는 양의 랜덤 변수들의 합의 왼쪽 꼬리에 대한 대규모 이탈 점점 커지는 행동을 유도한다.
• 약한 꼬리 의존도 함수와 의존성 있는 양의 랜덤 변수들의 합에 대한 대규모 이탈 원리 사이의 연결 고리를 설정한다.

실험 결과

연구 질문

• RQ1 기존의 꼬리 의존도가 점점 커지는 극한에서 사라지는 약한 상관관계를 가진 랜덤 벡터에서 꼬리 의존도는 어떻게 정량화할 수 있는가?
• RQ2 약한 상관관계를 가진 양의 랜덤 변수들의 합의 로그 스케일 꼬리 행동을 포착하는 기능적 측정법은 무엇인가?
• RQ3 가우시안, 아르키메데스, 극단가치 코풀라와 같은 다양한 코풀라 가족에서 약한 꼬리 의존도 함수는 어떻게 행동하는가?
• RQ4 약한 꼬리 의존도 함수를 사용하여 의존성 있는 양의 랜덤 변수들의 합의 왼쪽 꼬리에 대한 대규모 이탈 점점 커지는 행동을 유도할 수 있는가?
• RQ5 코풀라 수준의 약한 꼬리 의존도 함수와 약한 상관관계를 가진 벡터의 기능적 특성의 점점 커지는 꼬리 행동 사이의 관계는 무엇인가?

주요 결과

• 약한 꼬리 의존도 함수는 고전적 꼬리 의존도가 사라지는 경우에도 의미 있는 측정법을 제공하며, 약한 상관관계를 가진 벡터에 적용 가능하다.
• 가우시안 코풀라의 경우 함수가 명시적으로 계산되며, 점점 커지는 독립성과 일치하는 특정 로그 감쇠율을 보인다.
• 일부 가우시안 혼합 모델의 경우, 점점 커지는 독립성에도 불구하고 꼬리에서 비트리비어 의존성 구조가 드러난다.
• 이 새로운 기능적 측정법을 사용하여 의존성 있는 양의 랜덤 변수들의 합의 왼쪽 꼬리에 대한 대규모 이탈 점점 커지는 행동을 성공적으로 도출하였다.
• 이 방법은 특히 합과 같은 기능적 특성에 대해 로그 스케일에서 꼬리 행동을 정밀하게 정량화할 수 있음을 보여주며, 이는 매우 정교한 분석 도구가 된다.
• 이 프레임워크는 아르키메데스 및 극단가치 코풀라를 포함한 다양한 코풀라 가족에 널리 적용 가능하며, 극단가치 및 위험 모델링을 위한 통합된 분석 도구를 제공한다.