[论文解读] Asymptotic tail probability of randomly weighted large risks

Alexandru V. Asimit, Enkelejd Hashorva+1 more|arXiv (Cornell University)|May 3, 2014

Probability and Risk Models参考文献 21被引用 2

一句话总结

本文推导了在渐近独立风险样本中，随机加权顺序统计量线性组合的渐近尾部概率，重点研究个体尾部分布行为。在各种假设下提供了近似解，并将该框架应用于对数正态分布风险，深化了对依赖风险模型中极端聚合损失的理解。

ABSTRACT

In this paper we are concerned with a sample of asymptotically independent risks. Tail asymptotic probabilities for linear combinations of randomly weighted order statistics are approximated under various assumptions, where the individual tail behaviour has a crucial role. An application is provided for Log-Normal risks.

研究动机与目标

• 分析渐近独立风险样本中随机加权顺序统计量线性组合的尾部分布行为。
• 识别个体风险尾部分布特征如何影响聚合尾部概率。
• 在不同依赖结构和分布假设下，推导尾部概率的渐近近似。
• 将理论框架应用于对数正态分布风险作为具体实例。

提出的方法

• 分析基于极值理论和正常变体概念，以刻画个体风险的尾部分布行为。
• 采用渐近独立性假设，以表征风险样本的联合尾部分布结构。
• 该方法涉及在随机权重和极值条件下，推导加权顺序统计量的极限分布。
• 关键方程通过正常变体和多变量正常变体技术推导，用于近似尾部概率。
• 该方法结合矩条件和尾指数估计，以确保渐近近似的有效性。
• 通过在对数正态风险上的应用验证了该框架，展示了其一致性和实际相关性。

实验结果

研究问题

• RQ1 在渐近独立风险样本中，个体风险的尾部分布行为如何影响加权线性组合的尾部概率？
• RQ2 在随机加权和依赖结构下，加权顺序统计量的尾部可推导出哪些渐近近似？
• RQ3 在分布选择上，特别是对数正态分布，如何影响所推导尾部近似的准确性和适用性？
• RQ4 在何种正常变体和依赖假设下，渐近近似仍保持有效？
• RQ5 该理论框架在多大程度上可推广至其他重尾或轻尾分布？

主要发现

• 本文确立了在渐近独立风险模型中，个体尾部分布行为主导了加权线性组合的渐近尾部概率。
• 在正常变体和矩条件假设下，推导出尾部概率的渐近近似，构建了稳健的分析框架。
• 所推导的近似在对数正态风险上被证明具有一致性且具有适用性，尽管其尾部为轻尾，但仍符合本研究的渐近框架。
• 该方法成功捕捉了随机权重对极端聚合损失的影响，即使风险仅具有渐近独立性。
• 结果表明，尽管尾部依赖在渐近下微弱，但通过加权机制和边际尾指数，仍对聚合尾部产生影响。