[论文解读] Exact simulation of max-stable processes

Clément Dombry, Sebastian Engelke+1 more|arXiv (Cornell University)|Jun 14, 2015

Financial Risk and Volatility Modeling参考文献 17被引用 6

一句话总结

本文提出了两种针对有限位置上极稳态过程的精确模拟算法：一种通过谱测度抽样推广了Dieker和Mikosch（2015）的方法；另一种则仅模拟那些对逐点最大值有贡献的极值函数。第二种方法在理论上被证明严格更高效，并为布朗-雷斯尼克、极值t分布和广义极值过程等主要模型提供了闭式实现。

ABSTRACT

Max-stable processes play an important role as models for spatial extreme events. Their complex structure as the pointwise maximum over an infinite number of random functions makes simulation highly nontrivial. Algorithms based on finite approximations that are used in practice are often not exact and computationally inefficient. We will present two algorithms for exact simulation of a max-stable process at a finite number of locations. The first algorithm generalizes the approach by \citet{DM-2014} for Brown--Resnick processes and it is based on simulation from the spectral measure. The second algorithm relies on the idea to simulate only the extremal functions, that is, those functions in the construction of a max-stable process that effectively contribute to the pointwise maximum. We study the complexity of both algorithms and prove that the second procedure is always more efficient. Moreover, we provide closed expressions for their implementation that cover the most popular models for max-stable processes and extreme value copulas. For simulation on dense grids, an adaptive design of the second algorithm is proposed.

研究动机与目标

• 解决由于极稳态过程具有无限维结构而导致的精确、高效模拟方法缺失的问题。
• 克服有限近似方法计算效率低下且不精确的局限性。
• 为广泛使用的极稳态模型构建一个适用于有限位置的通用精确模拟框架。
• 通过仅关注对逐点最大值有贡献的极值函数，提升计算效率。
• 为关键模型（包括布朗-雷斯尼克、负对数极值和狄利克雷混合模型）提供闭式模拟程序。

提出的方法

• 通过在多变量极值分布的L1-球面上对谱测度进行抽样，推广Dieker和Mikosch（2015）的方法。
• 提出一种新算法，仅模拟那些在某点x满足ζiψi(x) = Z(x)的极值函数，从而避免不必要的模拟。
• 采用顺序拒绝方案：逐个模拟函数，并在每个位置检查其是否对最大值有贡献。
• 引入针对密集网格的自适应设计：按Zn(x)递增的顺序排列位置，优先处理更可能产生新极值函数的点。
• 推导负对数极值模型和狄利克雷混合模型中归一化谱函数分布的闭式表达式。
• 建立理论条件，确保极值函数算法在所有目标位置均能以精确模拟终止。

实验结果

研究问题

• RQ1 能否在不依赖有限近似的情况下，实现在有限位置上的极稳态过程精确模拟？
• RQ2 是否可以设计一种仅聚焦于对逐点最大值有贡献函数的模拟算法？
• RQ3 在实际应用中，极值函数模拟的计算复杂度与谱测度抽样相比如何？
• RQ4 对密集空间网格而言，对位置的自适应排序是否能提升精确模拟的效率？
• RQ5 对于布朗-雷斯尼克、负对数极值和狄利克雷混合等主要极稳态过程模型，是否存在闭式模拟方案？

主要发现

• 基于极值函数的算法严格优于谱测度抽样，因为它避免了对非贡献函数的模拟。
• 在负对数极值模型中，归一化谱向量的分布被表征为威布尔分布与伽马分布变量的比值。
• 在狄利克雷混合模型中，谱分布为伽马比值的混合，从而支持闭式模拟。
• 优先处理当前最大值较低的位置的自适应算法，显著减少了期望迭代次数。
• 在密集网格上进行模拟时，自适应设计的收益最大，尤其在强空间相关性下更为显著。
• 所提方法实现了无近似误差的精确模拟，优于标准的有限近似技术。