[论文解读] On matrix exponential approximations of the infimum of a spectrally negative Levy process

Florin Avram, András Horváth+1 more|arXiv (Cornell University)|Oct 9, 2012

Random Matrices and Applications参考文献 22被引用 3

一句话总结

本文针对谱负 Lévy 过程的下确界，开发了高阶矩阵指数近似方法，利用矩匹配与 Padé 近似技术，显著提升了首触时问题与 ruin 概率计算的精度。提出了一种新的扰动 Cramér-Lundberg 模型近似方法，并将 Johnson-Taaffe 近似推广至任意高阶矩拟合，显著优于经典的 Renyi、De Vylder 与 Whitt-Ramsay 方法。

ABSTRACT

We recall four open problems concerning constructing high-order matrix-exponential approximations for the infimum of a spectrally negative Levy process (with applications to first-passage/ruin probabilities, the waiting time distribution in the M/G/1 queue, pricing of barrier options, etc). On the way, we provide a new approximation, for the perturbed Cramer-Lundberg model, and recall a remarkable family of (not minimal order) approximations of Johnson and Taaffe, which fit an arbitrarily high number of moments, greatly generalizing the currently used approximations of Renyi, De Vylder and Whitt-Ramsay. Obtaining such approximations which fit the Laplace transform at infinity as well would be quite useful.

研究动机与目标

• 解决在首触与 ruin 问题中，谱负 Lévy 过程下确界缺乏高阶矩基近似方法的问题。
• 为扰动 Cramér-Lundberg 模型开发一种新的矩阵指数近似方法，确保可接受性与高阶矩拟合。
• 将 Johnson 与 Taaffe 的矩拟合近似推广至任意阶次，超越当前的 Renyi、De Vylder 与 Whitt-Ramsay 方法。
• 探究构造能同时匹配低阶矩与拉普拉斯变换在无穷远处渐近行为的近似方法的可行性。
• 通过验证系数的非负性与适当的相型表示，确保矩阵指数近似的可接受性。

提出的方法

• 利用矩阵指数函数对下确界分布的拉普拉斯变换进行基于矩的拟合。
• 对拉普拉斯变换应用 Padé 近似与两点 Padé 近似，以实现高阶矩拟合。
• 通过符号反演 Pollaczek-Khinchine 公式，推导精确 ruin 概率用于基准测试。
• 提出一种新的扰动 Cramér-Lundberg 模型近似方法，保持渐近行为与可接受性。
• 将 Johnson-Taaffe 近似扩展至可通过拉普拉斯变换的有理逼近实现任意多阶矩拟合。
• 通过 Gamma 分布与混合指数分布索赔下的精确与近似 ruin 概率数值表，验证近似方法。

实验结果

研究问题

• RQ1 构建谱负 Lévy 过程下确界的高阶矩基近似方法面临哪些根本性挑战？
• RQ2 能否构造出在保证可接受性（非负密度）的前提下，拟合超过三个矩的矩阵指数近似？
• RQ3 如何设计近似方法，使其同时匹配低阶矩与拉普拉斯变换在无穷远处的渐近行为？
• RQ4 所提出的近似方法在精度与矩拟合方面，相较于经典方法如 Renyi、De Vylder 与 Whitt-Ramsay，性能提升程度如何？
• RQ5 Johnson-Taaffe 类型的近似能否推广至任意阶次，同时保持矩拟合能力与可接受性？

主要发现

• 所提出的扰动 Cramér-Lundberg 模型矩阵指数近似即使在直接基于矩的 Padé 近似失效时，仍能产生有效且可接受的 ruin 概率。
• 对于参数为 α=2.5、β=1 的 Gamma 分布索赔，新方法在中间区域的相对误差低于 0.003%，显著优于 Renyi 与 De Vylder 近似。
• 在 Gamma(2.5,1) 情况下，定理 3 与定理 5 的近似方法使 x ≥ 1.5 时的相对误差降至 0.002% 以下，表现出极高精度。
• 对于混合指数分布索赔，定理 1 的近似方法始终优于备注 12 的近似，尤其在 σ=0.1 时表现更优，多数区域的相对误差低于 0.005%。
• Johnson-Taaffe 近似族被推广至任意阶次，可实现任意数量矩的拟合，同时保持可接受性与收敛性。
• 数值结果表明，新近似方法在不同索赔分布与扰动水平下均保持高精度，且误差随 σ 增大而减小。