[论文解读] Asymptotic tail behavior of phase-type scale mixture distributions

Leonardo Rojas‐Nandayapa, Wangyue Xie|arXiv (Cornell University)|Feb 6, 2015

Probability and Risk Models参考文献 27被引用 3

一句话总结

本文研究了相型尺度混合分布的渐近尾部行为——定义为相型随机变量与非负缩放随机变量的乘积——提供了轻尾或重尾行为、展子性以及最大吸引域的条件。研究结果表明，离散缩放分布能够实现对重尾分布的可处理近似，且尾部行为与缩放分布的支撑集和尾部特性密切相关。

ABSTRACT

We consider phase-type scale mixture distributions which correspond to distributions of a product of two independent random variables: a phase-type random variable $Y$ and a nonnegative but otherwise arbitrary random variable $S$ called the scaling random variable. We investigate conditions for such a class of distributions to be either light- or heavy-tailed, we explore subexponentiality and determine their maximum domains of attraction. Particular focus is given to phase-type scale mixture distributions where the scaling random variable $S$ has discrete support --- such a class of distributions has been recently used in risk applications to approximate heavy-tailed distributions. Our results are complemented with several examples.

研究动机与目标

• 理解相型尺度混合分布的尾部行为，特别是与缩放分布特性之间的关系。
• 确定此类混合分布为轻尾或重尾的条件，并对其最大吸引域进行分类。
• 为在风险建模中使用离散缩放分布近似重尾分布提供理论依据。
• 基于缩放分布的尾部，建立混合分布尾部的渐近近似。
• 通过将分布特性与相型尺度混合模型中的建模选择相联系，支持保险与风险理论中的实际应用。

提出的方法

• 使用Mellin–Stieltjes卷积定义相型尺度混合分布为 $ F(x) = \int_0^\infty G(x/s) \, dH(s) $，其中 $ G $ 为相型分布，$ H $ 为缩放分布。
• 应用Breiman引理由 $ H $ 具有规则变尾时，推导混合分布尾部的渐近近似。
• 通过将支撑集建模为几何级数，分析离散缩放分布的情形，以确保无穷级数快速收敛。
• 推导生存函数 $ \overline{F}(x) $ 的渐近界与近似式，表明在特定矩条件下与 $ \overline{H}(x) $ 成比例。
• 使用拉普拉斯变换与矩阵-指数表示法，分析相型分量的尾部行为。
• 建立混合分布从缩放分布继承展子性的条件，特别是当 $ H $ 为展子性且 $ G $ 具有有限矩时。

实验结果

研究问题

• RQ1 当缩放分布 $ H $ 满足何种条件时，相型尺度混合分布为重尾？
• RQ2 选择离散支撑集（特别是几何级数）的 $ H $ 如何影响混合分布的尾部近似？
• RQ3 相型尺度混合分布的最大吸引域是什么？它们与缩放分布有何关系？
• RQ4 相型尺度混合分布若采用离散 $ H $，能否实现与规则变尾或Weibull型分布等价的渐近尾部行为？
• RQ5 在 ruin 概率模型中，使用此类混合分布近似重尾索赔大小分布的理论基础是什么？

主要发现

• 若缩放分布 $ H $ 具有无界支撑集且尾部为规则变尾，则相型尺度混合分布为重尾。
• 当缩放分布 $ H $ 的规则变尾指数为 $ -\alpha $ 时，混合尾部 $ \overline{F}(x) $ 渐近与 $ \overline{H}(x) $ 成比例，比例常数涉及 $ G $ 的矩生成函数。
• 对于具有几何支撑的离散缩放分布，其无穷级数表示收敛迅速，可实现高效的数值计算与实际截断。
• 渐近近似 $ \overline{F}(x) \approx \frac{1 - e^{-\alpha/K}}{\alpha/K} M_G(\alpha) \overline{H}(x) $ 与理论界一致，且在 $ G $ 的矩条件下成立。
• 当 $ G $ 具有有限矩且 $ H $ 为展子性时，混合分布的展子性可由 $ H $ 继承，确保尾部由独立同分布分量的最大值主导。
• 对 $ H $ 进行几何离散化的方法，可实现对重尾分布（如Pareto分布）在 ruin 概率模型中的精确且计算高效的近似。