[论文解读] Asymptotic independence and support detection techniques for heavy-tailed multivariate data

Jaakko Lehtomaa, Sidney I. Resnick|arXiv (Cornell University)|Apr 1, 2019

Financial Risk and Volatility Modeling参考文献 61被引用 10

一句话总结

本文提出了一种基于网格的估计器，用于多变量 regularly varying 分布中角度测度的渐近支撑，能够在重尾数据中检测渐近独立性。该方法结合了探索性支撑估计与渐近正态检验统计量，以验证支撑估计的可靠性，为金融和保险领域中极端依赖关系至关重要的风险评估提供了稳健工具。

ABSTRACT

One of the central objectives of modern risk management is to find a set of risks where the probability of multiple simultaneous catastrophic events is negligible. That is, risks are taken only when their joint behavior seems sufficiently independent. This paper aims to help to identify asymptotically independent risks by providing additional tools for describing dependence structures of multiple risks when the individual risks can obtain very large values. The study is performed in the setting of multivariate regular variation. We show how asymptotic independence is connected to properties of the support of the angular measure and present an asymptotically consistent estimator of the support. The estimator generalizes to any dimension $N\\geq 2$ and requires no prior knowledge of the support. The validity of the support estimate can be rigorously tested under mild assumptions by an asymptotically normal test statistic.

研究动机与目标

• 开发一种方法，用于识别多变量重尾数据中渐近独立的风险，其中极端联合事件较为罕见。
• 提供一种一致的、非参数的多变量正则变异性中角度测度支撑的估计器，且无需事先了解支撑结构。
• 通过探索性支撑估计与正式假设检验，实现实质依赖关系的可视化与量化。
• 解决基于相关性的风险度量方法在极端事件中无法捕捉尾部依赖的局限性。
• 通过建模多个资产或业务线同时发生大额损失的最坏情景，支持金融和保险领域中的风险管理。

提出的方法

• 该方法使用基于网格的估计器，对经过阈值处理后的大观测值进行分箱，基于数据向量的L1范数。
• 通过变换 T(x,y) = x 将数据投影到单位单纯形上（在双变量情况下），实现一维支撑估计。
• 支撑估计基于样本的前半部分（n=1975），参数设置为 k=100（最大观测值数量）、m=15（网格大小）和 q=0.02（置信水平）。
• 利用剩余数据（n=1976）推导出渐近正态检验统计量，以验证估计的支撑是否为候选区间的子集。
• 检验使用从数据和估计支撑中导出的变换函数 g，原假设为真实支撑位于估计区间内。
• 该方法可推广至任意维度 N ≥ 2，且无需事先了解支撑结构。

实验结果

研究问题

• RQ1 如何在极端事件罕见的多变量重尾数据中检测渐近独立性？
• RQ2 在多变量正则变异性中，角度测度支撑的一致性、非参数估计器是什么？
• RQ3 在较弱正则性假设下，如何严格检验支撑估计的有效性？
• RQ4 探索性支撑估计能否与正式推断相结合，以改善金融和保险领域中的风险建模？
• RQ5 支撑估计在预测金融资产收益率或保险索赔中的极端依赖关系方面具有哪些实际意义？

主要发现

• 基于参数 n=1975、k=100、m=15 和 q=0.02 的网格估计器，将黄金-白银价格收益率的渐近支撑估计为投影单纯形空间中的区间 [0, 0.65]。
• 渐近正态检验统计量的实证值约为 0.074，在原假设下 p 值为 0.398，表明无显著证据否定支撑估计。
• 支撑估计表明，若黄金价格大幅下跌 x，白银价格至少下跌 0.53x，为极端依赖关系提供了定性边界。
• 该方法成功识别出极限测度的支撑未填满整个第一象限，表明在单纯形的负象限中存在渐近独立性。
• 该方法对数据预处理挑战（如非平稳性）具有鲁棒性，可在去-GARCH 化或其他变换后应用，尽管此类预处理会引入模型不确定性。
• 该方法可推广至任意维度 N ≥ 2，且无需事先了解支撑结构，适用于高维风险分析。