[论文解读] Elemental unbiased estimators for the Generalized Pareto tail

FA McRobie|arXiv (Cornell University)|Apr 14, 2013

Financial Risk and Volatility Modeling参考文献 8被引用 3

一句话总结

本文提出了一类无偏、位置与尺度不变的‘基本’估计量，用于广义帕累托分布（GPD）尾部参数，基于三个对数间距，即使在样本量 N=3 时也能实现精确无偏性。研究表明，这些基本估计量构成了所有由对数间距线性组合构造的此类无偏估计量的完备基，初步证据表明它们可组合形成适用于纯 GPD 样本的一致估计量。

ABSTRACT

Unbiased location- and scale-invariant `elemental' estimators for the GPD tail parameter are constructed. Each involves three log-spacings. The estimators are unbiased for finite sample sizes, even as small as N=3. It is shown that the elementals form a complete basis for unbiased location- and scale-invariant estimators constructed from linear combinations of log-spacings. Preliminary numerical evidence is presented which suggests that elemental combinations can be constructed which are consistent estimators of the tail parameter for samples drawn from the pure GPD family.

研究动机与目标

• 开发对 GPD 尾部参数的无偏估计量，且在位置和尺度变换下保持不变。
• 基于对数间距构造估计量，即使在极小样本量（如 N=3）下仍保持无偏性。
• 确定基于三个对数间距构建的基本估计量是否构成所有可能的、由对数间距线性组合生成的无偏、位置与尺度不变估计量的完备基。
• 探索将基本估计量组合以实现对纯 GPD 分布样本中 GPD 尾部参数的一致估计的潜力。

提出的方法

• 该方法将估计量构造为从样本顺序统计量中导出的三个对数间距的线性组合。
• 通过施加约束条件，消除位置和尺度依赖性，从而确保有限样本下的精确无偏性。
• 利用对数间距在位置和尺度变换下的不变性特性，推导出构造上即具有不变性的估计量。
• 推导出一个基本估计量基，代表了在对数间距框架下所有无偏、位置与尺度不变估计量的最小构建模块集合。
• 理论推导证实，这些基本估计量可覆盖此类无偏估计量的整个空间。
• 开展初步的数值实验，以评估基本估计量的线性组合是否可产生适用于纯 GPD 数据的一致估计量。

实验结果

研究问题

• RQ1 能否构造出对 GPD 尾部参数的无偏、位置与尺度不变估计量，且在样本量 N=3 时仍为精确无偏？
• RQ2 基于三个对数间距的基本估计量是否构成所有由对数间距线性组合生成的无偏、位置与尺度不变估计量的完备基？
• RQ3 是否可以将基本估计量组合，以在样本来自纯 GPD 分布时产生 GPD 尾部参数的一致估计量？
• RQ4 基本估计量在有限样本设置下（特别是小样本 N）的理论与经验行为如何？

主要发现

• 基本估计量在样本量小至 N=3 时，对 GPD 尾部参数具有精确无偏性，展现出有限样本无偏性。
• 基本估计量集合构成了所有由对数间距线性组合构造的无偏、位置与尺度不变估计量的完备基。
• 理论分析证实，这些基本形式之外不存在其他此类估计量。
• 初步数值结果表明，特定线性组合的基本估计量可产生适用于纯 GPD 家族样本的一致估计量。
• 该构造完全依赖于对数间距的结构，其本身天然编码了尺度与位置不变的信息。
• 该方法提供了一套系统化框架，用于生成无偏估计量，且无需依赖渐近近似。