[论文解读] Maximum likelihood estimation for the Fréchet distribution based on block maxima extracted from a time series

Axel Bücher, Johan Segers|arXiv (Cornell University)|Jan 1, 2015

Financial Risk and Volatility Modeling被引用 2

一句话总结

本文在从严格平稳时间序列中提取块最大值时，严格证明了极值威布尔分布（Fréchet distribution）最大似然估计量（MLE）的一致性和渐近正态性，验证了序列独立性的常见假设。研究显示，尽管存在依赖性和有限块大小的影响，MLE 的渐近行为仍与块最大值为独立同分布（i.i.d.）时一致，其渐近方差与极值威布尔族的 Fisher 信息逆矩阵完全匹配，即使在长程依赖（混合系数不可 summable）条件下也成立。

ABSTRACT

The block maxima method in extreme-value analysis proceeds by fitting an extreme-value distribution to a sample of block maxima extracted from an observed stretch of a time series. The method is usually validated under two simplifying assumptions: the block maxima should be distributed according to an extreme-value distribution and the sample of block maxima should be independent. Both assumptions are only approximately true. For general triangular arrays of block maxima attracted to the Frechet distribution, consistency and asymptotic normality is established for the maximum likelihood estimator of the parameters of the limiting Frechet distribution. The results are specialized to the setting of block maxima extracted from a strictly stationary time series. The case where the underlying random variables are independent and identically distributed is further worked out in detail. The results are illustrated by theoretical examples and Monte Carlo simulations.

研究动机与目标

• 本文旨在严格证明在拟合极值威布尔分布时，将块最大值视为独立的常见做法的合理性。
• 解决时间序列中模型近似误差（有限块大小）与序列依赖性的双重挑战。
• 目标是建立在一般抽样方案下，极值威布尔分布域吸引域中 MLE 的渐近理论。
• 特别关注重尾情形，原因在于三参数 GEV 模型存在技术困难。
• 研究证实了在现实时间序列依赖条件下，块最大值方法的稳健性。

提出的方法

• 分析基于三角阵列框架，其中块大小随样本量增长。
• 作者推导出经验分布函数经缩放后的块最大值收敛于极值威布尔分布的条件。
• 对极值威布尔分布参数 (α, σ) 应用最大似然估计，并推导 MLE 的渐近性质。
• 关键技术路径是通过函数中心极限定理论证，证明归一化经验过程弱收敛于高斯极限。
• 证明依赖于验证收敛分布的条件，包括矩界和通过控制收敛定理实现的统一可积性。
• 证明渐近方差等于 Fisher 信息矩阵的逆，从而确认 i.i.d. 近似在渐近下成立。

实验结果

研究问题

• RQ1 当从具有依赖性的平稳时间序列中提取块最大值时，极值威布尔分布的 MLE 是否仍保持一致性和渐近正态性？
• RQ2 在一般抽样方案下（包括不可求和的混合系数），块最大值之间独立性的标准假设能否在理论上得到支持？
• RQ3 当底层数据存在依赖性且块最大值基于有限块时，极值威布尔分布参数 MLE 的渐近分布为何？
• RQ4 在依赖条件下，MLE 的渐近方差与 Fisher 信息逆矩阵相比如何？
• RQ5 模型近似误差（有限块大小）是否影响极值威布尔域中 MLE 的渐近性质？

主要发现

• 在块最大值收敛于极值威布尔分布的一般三角阵列方案下，极值威布尔分布 MLE 具有一致性和渐近正态性。
• MLE 的渐近方差矩阵等于极值威布尔族 Fisher 信息矩阵的逆，即使在依赖条件下也成立。
• 只要强混合系数不要求可求和，即使底层时间序列具有长程依赖，该结果依然成立。
• 理论依据证实，将块最大值视为独立的常见假设在极值威布尔分布下是渐近有效的。
• MLE 达到了与块最大值为 i.i.d. 情况下相同的渐近效率，从而在实践中验证了标准块最大值方法的有效性。
• 研究结果得到理论示例和蒙特卡洛模拟的支持，表明其在有限样本下表现良好。