[论文解读] A functional Generalized Hill process and applications

Gane Samb Lô, El Hadji Dème|arXiv (Cornell University)|Nov 16, 2011

Stochastic processes and financial applications参考文献 15被引用 5

一句话总结

本文引入了一个以函数类 f 为索引的函数型广义 Hill 过程，一种随机过程，用于统一并推广极值统计理论中极值指数的估计器。通过在有界函数空间中的弱收敛，建立了函数型和一致渐近律，证明了在 f 的二阶矩和一致熵条件下的高斯与非高斯极限，对幂律函数 f(j) = j^τ 给出了明确结果。

ABSTRACT

We are concerned in this paper with the functional asymptotic behaviour of the sequence of stochastic processes T_{n}(f)=\sum_{j=1}^{j=k}f(j)(\log X_{n-j+1,n}-\log X_{n-j,n}), indexed by some classes $\mathcal{F}$ of functions $f:\mathbb{N} \backslash {0} \longmapsto \mathbb{R}_{+}$ and where $k=k(n)$ satisfies 1\leq k\leq n,k/n ightarrow 0 ext{as}n ightarrow \infty. This is a functional generalized Hill process including as many new estimators of the extremal index when $F$ is in the extremal domain. We focus in this paper on its functional and uniform asymptotic law in the new setting of weak convergence in the space of bounded real functions. The results are next particularized for explicit examples of classes $\mathcal{F} $.

研究动机与目标

• 通过单一随机过程框架统一并推广现有极值指数估计器。
• 在有界实函数空间中推导过程 T_n(f) 的函数型和一致渐近分布。
• 根据函数类 f 的不同，表征高斯与非高斯极限分布。
• 在 ℓ^∞(F_h) 中为 h=1,2 的过程建立弱收敛条件。
• 对 f(j) = j^τ, τ > 0 等类提供明确应用，并进行详细的渐近分析。

提出的方法

• 定义随机过程 T_n(f) = ∑_{j=1}^k f(j)(log X_{n-j+1,n} − log X_{n-j,n})，其中 f: ℕ* → ℝ₊。
• 引入两个关键条件：(K1) ∑ f(j)²j⁻² < ∞ 和 (K2) limsup B(n,f) = 0，其中 B(n,f) 涉及 max(f(j)j⁻¹) 和 σ_n(f)。
• 定义归一化序列 σ_n²(f) = ∑_{j=1}^k f(j)²j⁻² 和 a_n(f) = ∑_{j=1}^k f(j)j⁻¹。
• 通过一致熵和紧致性条件（特别是 (KU1) 和 (KU2a,b)）在 ℓ^∞(F_h) 中建立函数型弱收敛。
• 使用连续收敛和熵积分论证，验证渐近紧致性和弱收敛的条件。
• 将结果应用于显式类，特别是 f(j) = j^τ（τ > 0），推导极限分布和协方差结构。

实验结果

研究问题

• RQ1 能否通过单一随机过程统一极值统计理论中极值指数的广泛估计器？
• RQ2 在 ℓ^∞(F_h) 中弱收敛下，过程 T_n(f) 的函数型渐近律由什么决定？
• RQ3 在何种 f 条件下，过程 T_n(f) 收敛于高斯或非高斯极限？
• RQ4 渐近分布如何依赖于函数类 F，特别是 f(j) = j^τ 时？
• RQ5 一致熵和紧致性在建立过程弱收敛中起什么作用？

主要发现

• 对于满足 (KU1) 的类，过程 {T_n(f), f ∈ F₁} 在 ℓ^∞(F₁) 中弱收敛于一个高斯过程，其协方差结构由 ∑ f₁(j)f₂(j)j⁻² 决定。
• 对于满足 (KU2a,b) 的类，过程 {T_n(f), f ∈ F₂} 弱收敛于一个非高斯极限，极限协方差 Γ(f₁,f₂) 存在且非退化。
• 对于 f(j) = j^τ 且 τ > 0 的情形，T_n(f) 的渐近分布被表征，当 τ < 1/2 时，极限过程表现出非高斯行为。
• 一致熵条件确保 log N_{[]} (ε, F_h, L₂ⁿ) ≤ Kε⁻²，这对证明渐近紧致性至关重要。
• 证明 (5.2) 依赖于连续收敛和通过 Bolzano-Weierstrass 的反证法，表明 ρ_n²(f₁,f₂) → 2(1−Γ(f₁,f₂)) 连续收敛。
• d_n²(f_ν,f_τ,j) 展开式中的余项被 Kε² 控制，确保一致控制，并支持熵积分界。