[論文レビュー] Multivariate Nonparametric Estimation of the Pickands Dependence Function using Bernstein Polynomials

G Marcon, Simone A. Padoan+3 more|arXiv (Cornell University)|May 20, 2014

Hydrology and Drought Analysis参考文献 34被引用数 6

ひとこと要約

本稿では、凸性および境界制約を強制するためのベルヌーイ多項式近似を用いて、多変量極値コプシア・コペュラにおけるピケンズ依存関数の非パrametric推定量を提案する。この手法により、推定量が有効なピケンズ関数であることを保証するとともに、漸近正規性および有限標本における一貫性を達成する。実例として、1993年から2011年までのフランスの7か所の気象観測所における週単位の降雨最大値に適用した。

ABSTRACT

Many applications in risk analysis, especially in environmental sciences, require the estimation of the dependence among multivariate maxima. A way to do this is by inferring the Pickands dependence function of the underlying extreme-value copula. A nonparametric estimator is constructed as the sample equivalent of a multivariate extension of the madogram. Shape constraints on the family of Pickands dependence functions are taken into account by means of a representation in terms of a specific type of Bernstein polynomials. The large-sample theory of the estimator is developed and its finite-sample performance is evaluated with a simulation study. The approach is illustrated by analyzing clusters consisting of seven weather stations that have recorded weekly maxima of hourly rainfall in France from 1993 to 2011.

研究の動機と目的

• 極値コペュラの形状制約（凸性および境界）を満たす非パrametric推定量を、ピケンズ依存関数の推定に開発すること。
• 凸性や境界制約の欠如により、既存の推定量が有効なピケンズ関数でない場合があるという限界を是正すること。
• 高次元設定（d ≥ 3）において計算可能で一貫性を示す推定量を保証すること。
• 大標本理論と有限標本のシミュレーションによる妥当性を兼ね備えた理論的裏付けのある手法を提供すること。
• 実環境データに応用すること——1993年から2011年までのフランスの7か所の気象観測所における時間当たり降雨の週最大値（週単位）の解析。

提案手法

• ピケンズ依存関数を次数 $k$ のベルヌーイ多項式展開として表現し、構成上凸性および境界制約を満たす。
• 初期の非パrametric推定量として、射影されたマドグラム推定量を用いる。
• マドグラム推定量を、ピケンズ関数の制約（凸性、境界）を満たす次数 $k_n$ のベルヌーイ多項式空間へ射影する。
• 得られた多項式が有効なピケンズ関数のクラス $\mathcal{A}$ に属することを保証するため、制約付き最適化手順を適用する。
• 正規性条件のもとで推定量の漸近正規性を確立し、収束速度は $O_p(n^{-1/2})$ となる。
• 空間 $\mathcal{A}_{k_n}$ への $L^2$-射影を用いることで、制約なしの射影と漸近的に同等となることを保証し、一貫性を確保する。

実験結果

リサーチクエスチョン

• RQ1 凸性および境界制約を保証する非パrametric推定量を、パラメトリック仮定を必要とせずに構築できるか？
• RQ2 ベルヌーイ多項式近似は、マドグラムのような制約なし推定量と比較して、有限標本における性能をどのように改善するか？
• RQ3 標本サイズが増加する条件下で、提案手法の推定量の漸近分布はどのようなものか？
• RQ4 実環境データからの高次元極値（例：$d=7$）における依存構造の回復に、この手法はどの程度有効か？
• RQ5 多項式次数 $k_n$ の選択が、推定量の収束速度および精度に与える影響は何か？

主な発見

• 提案手法のベルヌーイ多項式に基づく推定量は、構成上凸性および境界 $1/d \leq A(\mathbf{w}) \leq 1$ を満たし、有効なピケンズ関数である。
• 推定量は漸近正規性を達成する：$\sqrt{n}(\widetilde{A}_{n,k_n}^{\mathrm{MD}} - A) \xrightarrow{d} \arg\min_{Z' \in T_{\mathcal{A}}(A)} \|Z' - Z\|_2$ であり、ここで $Z$ はガウス過程である。
• $L^2$-射影誤差 $\|\widetilde{A}_{n,k_n}^{\mathrm{MD}} - \widetilde{A}_n^{\mathrm{MD}}\|_2 = o_p(n^{-1/2})$ は、$k_n \to \infty$ が十分に遅い条件下で成立し、漸近的同等性が保証される。
• シミュレーションスタディにより、有限標本における性能が検証され、制約の遵守性および安定性が制約なし推定量を上回ることが示された。
• 49か所のフランスの気象観測所からなる実データセットにおいて、極値依存構造が成功裏にモデル化された。$d=7$ のクラスタを週単位の時間当たり降雨最大値（1993–2011）を用いて分析した。
• 推定量は $k \to \infty$ の下で一様に真のピケンズ関数に収束し、$\delta_{k_n} = O(k_n^{-1/2})$ となる。これにより一貫性が保証される。