[论文解读] On the consistency of Sobol indices with respect to stochastic ordering of model parameters

Areski Cousin, Alexandre Janon+2 more|arXiv (Cornell University)|Jul 21, 2014

Probabilistic and Robust Engineering Design参考文献 29被引用 5

一句话总结

本文建立了Sobol敏感性指数与随机序理论之间的理论一致性，证明在模型输出满足凸性与单调性条件时，Sobol指数尊重超额财富序与分散序。关键贡献在于证明：在随机序意义下输入不确定性增加会导致Sobol指数增加，从而验证了其在不确定性量化与风险管理中的可靠性应用。

ABSTRACT

In the past decade, Sobol's variance decomposition have been used as a tool - among others - in risk management. We show some links between global sensitivity analysis and stochastic ordering theories. This gives an argument in favor of using Sobol's indices in uncertainty quantification, as one indicator among others.

研究动机与目标

• 探究Sobol指数是否在模型输入的随机序意义下表现出一致性。
• 建立理论条件，证明在随机序意义下输入不确定性增加会导致Sobol指数增加。
• 通过将Sobol指数与成熟的随机序理论关联，验证其作为不确定性量化与风险管理中可靠工具的适用性。
• 探讨输入分布变化对Sobol指数排序的影响，特别是在Heston与Vasicek等金融模型中的表现。
• 为Sobol指数在输入分布类上的通用界提供理论基础。

提出的方法

• 定义并应用关键随机序：标准随机序、凸序、分散序、超额财富序、星序与Lorenz序。
• 使用方差分解将Sobol指数表示为 $ S_X = \frac{\mathrm{Var}(\mathbb{E}(Y|X))}{\mathrm{Var}(Y)} $，量化输入对输出方差的影响。
• 证明当输出函数 $ f $ 为凸函数或单调函数时，Sobol指数与超额财富序及分散序保持一致。
• 将理论结果应用于金融模型（Vasicek与Heston模型），在现实输入不确定性下检验一致性。
• 通过蒙特卡洛采样与快速傅里叶变换进行数值实验，计算期权价格与总Sobol指数。
• 比较不同输入分布（如均匀分布与随机序分布）下的Sobol指数，评估其对分布假设的敏感性。

实验结果

研究问题

• RQ1 在输出函数 $ f $ 满足何种条件下，Sobol指数会尊重如超额财富序或分散序等随机序？
• RQ2 当输入参数分布发生变化时（如从 $ r^* \leq_{\text{disp}} r $），Sobol指数的排序与大小如何变化？
• RQ3 当输入不确定性在随机序意义下增加时，Sobol指数在多大程度上仍保持一致性？
• RQ4 当输入分布存在模糊性或不精确时，Sobol指数能否在风险管理中可靠使用？
• RQ5 能否利用与随机序的理论一致性，推导出Sobol指数在输入分布类上的通用界？

主要发现

• 当输出函数 $ f $ 为凸函数或单调函数时，Sobol指数与超额财富序及分散序保持一致，如定理2.1与定理2.3所证明。
• 在Heston模型中，将利率分布从 $ r^* \sim \mathcal{U}[0,1] $ 改为 $ r \sim \mathcal{U}[0,2] $（满足 $ r^* \leq_{\text{disp}} r $）时，其总Sobol指数从0.32增至0.73，验证了理论一致性。
• 当 $ r $ 在[0,1]上服从均匀分布时，红利收益率 $ q $ 是第二重要参数，但当 $ r $ 的分布扩大后，其影响力降至低于 $ r $。
• 在两种分布假设下，参数 $ \kappa, \theta, \sigma, \rho $ 的Sobol指数均极低（低于0.01），表明其对期权价格不确定性的贡献可忽略。
• 研究表明，Sobol指数的排序对输入分布假设高度敏感，强调了稳健分布建模的必要性。
• 与随机序的理论一致性表明，Sobol指数可用于推导在输入分布类上的通用界，从而增强不确定性量化中敏感性分析的可靠性。