[论文解读] Yet another breakdown point notion: EFSBP - illustrated at scale-shape models

Peter Ruckdeschel, Nataliya Horbenko|arXiv (Cornell University)|May 10, 2010

Statistical Methods and Inference参考文献 1被引用 5

一句话总结

本文提出了期望有限样本崩溃点（EFSBP），这是一种新颖的稳健性度量方法，通过在理想分布上对有限样本崩溃点（FSBP）取期望，降低了配置依赖性，同时保留了有限样本特性。该方法应用于尺度-形状模型（GPD、GEV、Weibull、Gamma），评估了Pickands型与位置-散度（LD）型估计量（如MedkMAD、MedQn、MedSn），结果显示MedQn与MedSn在多数情况下EFSBP值超过40%，并通过理论分析与仿真验证。

ABSTRACT

The breakdown point in its different variants is one of the central notions to quantify the global robustness of a procedure. We propose a simple supplementary variant which is useful in situations where we have no obvious or only partial equivariance: Extending the Donoho and Huber(1983) Finite Sample Breakdown Point, we propose the Expected Finite Sample Breakdown Point to produce less configuration-dependent values while still preserving the finite sample aspect of the former definition. We apply this notion for joint estimation of scale and shape (with only scale-equivariance available), exemplified for generalized Pareto, generalized extreme value, Weibull, and Gamma distributions. In these settings, we are interested in highly-robust, easy-to-compute initial estimators; to this end we study Pickands-type and Location-Dispersion-type estimators and compute their respective breakdown points.

研究动机与目标

• 为解决标准有限样本崩溃点（FSBP）在有限样本稳健性评估中对配置的依赖性问题。
• 提出一种新的稳健性度量——期望有限样本崩溃点（EFSBP），通过在理想分布上对FSBP取期望，降低对罕见样本配置的敏感性。
• 评估Pickands型与位置-散度（LD）型估计量（特别是MedkMAD、MedQn、MedSn）在广义帕累托、广义极值、Weibull与伽玛分布中对尺度与形状参数的稳健性。
• 为实际应用提供EFSBP的解析公式与基于仿真的评估方法，适用于巴塞尔II协议下操作风险建模的稳健初始估计。
• 证明与FSBP相比，EFSBP在仅具有部分等变性（如仅尺度等变性）的模型中能提供更稳定、更易解释的稳健性评估。

提出的方法

• 将EFSBP定义为在真实底层分布下，对i.i.d.样本的FSBP取期望，即E[FSBP]。
• 推导了Pickands型与LD型估计量在尺度-形状族中的FSBP、渐近崩溃点（ABP）与EFSBP的解析表达式。
• 将EFSBP概念应用于四种尺度-形状分布：广义帕累托（GPD）、广义极值（GEV）、Weibull与伽玛分布。
• 采用包括Pickands估计量（PE）、MedkMAD（非对称kMAD）、MedQn与MedSn在内的稳健估计量，结合基于中位数的位置估计与稳健尺度估计。
• 利用Hoeffding不等式与集中不等式，推导出FSBP与EFSBP计算中所用经验分位数估计量的收敛速率。
• 通过10,000次仿真运行，估计EFSBP值并为每种估计量-模型组合计算95%置信区间。

实验结果

研究问题

• RQ1 如何在保留有限样本性质的前提下，使有限样本崩溃点（FSBP）对罕见或病态样本配置的依赖性降低？
• RQ2 在理想分布下，稳健估计量在尺度-形状模型中的期望崩溃点（EFSBP）是多少？其与FSBP和ABP相比有何差异？
• RQ3 不同稳健估计量（Pickands型与位置-散度型）在GPD、GEV、Weibull与伽玛分布中的EFSBP表现如何？
• RQ4 在仅具有部分等变性（如仅尺度等变性）的模型中，EFSBP能否作为比FSBP更稳定、更易解释的稳健性度量？
• RQ5 EFSBP在巴塞尔II协议下操作风险建模中选择初始稳健估计量方面具有何种实际意义？

主要发现

• 对于GPD（ξ∈ℝ，n=100），MedQn估计量的EFSBP达到49.75%，表明其具有强全局稳健性。
• 在伽玛分布中，MedSn在n=1000时达到EFSBP为49.46%，95%置信区间为49.46±0.01。
• MedkMAD估计量在所有样本大小下对Weibull与伽玛分布的EFSBP值均超过47%，表现出高度稳定性。
• Pickands估计量（PE）的EFSBP值始终较低（GPD与GEV中约为6%），表明其稳健性有限。
• 在Weibull与伽玛分布中，MedkMAD与MedSn的EFSBP值接近其理论上限50%，表明其近乎最优稳健性。
• 仿真结果证实，EFSBP值显著比FSBP更稳定、更少依赖于样本配置，体现在置信区间与收敛行为上。