[论文解读] Some variations on the extremal index

Gloria Buriticá, Nicolas Meyer+2 more|arXiv (Cornell University)|Jun 9, 2021

Financial Risk and Volatility Modeling参考文献 35被引用 5

一句话总结

本文重新探討靜態、穩定變異時間序列的極值指數，提出多種表示法與基於聚 cluster 結構、譜尾過程及點過程極限定理的估計器。針對 AR(1) 和仿射隨機遞迴方程，推導出極值指數的明確表達式，並證明譜聚 cluster 估計器可有效降低偏差，特別是在極值指數較低時表現更佳。

ABSTRACT

We re-consider Leadbetter's extremal index for stationary sequences. It has interpretation as reciprocal of the expected size of an extremal cluster above high thresholds. We focus on heavy-tailed time series, in particular on regularly varying stationary sequences, and discuss recent research in extreme value theory for these models. A regularly varying time series has multivariate regularly varying finite-dimensional distributions. Thanks to results by Basrak and Segers we have explicit representations of the limiting cluster structure of extremes, leading to explicit expressions of the limiting point process of exceedances and the extremal index as a summary measure of extremal clustering. The extremal index appears in various situations which do not seem to be directly related, like the convergence of maxima and point processes. We consider different representations of the extremal index which arise from the considered context. We discuss the theory and apply it to a regularly varying AR(1) process and the solution to an affine stochastic recurrence equation

研究动机与目标

• 以多種理論框架重新表達極值指數，包括聚 cluster 泊松過程與譜尾過程。
• 推導穩定變異平 station 程序中極值指數的明確表達式，特別是 AR(1) 與仿射隨機遞迴方程。
• 發展並比較新的極值指數估計器，著重於有限樣本下的偏差與穩健性。
• 建立極值指數與依賴極端值中極大值與點過程收斂之間的關聯。
• 透過蒙地卡羅模擬評估重尾時間序列中估計器的表現。

提出的方法

• 使用 Basrak 與 Segers 的多變量穩定變異表示法，以建模有限維分佈中的極端聚 cluster 結構。
• 將極值指數表達為譜聚 cluster 週期的 α 次方之期望：θ_X = E[Q_T^α*]，其中 α 為穩定變異過程的尾指數。
• 提出一項新估計器 θ̂_scp^scp，基於大區塊和條件下之區塊最大值與區塊 α 次矩之比。
• 使用區塊最大值與連續長度方法作為基準估計器以供比較，並以高階統計量選擇門檻值。
• 應用 Hill 估計器從資料中估計尾指數 α，使用 [n^0.8] 個高階統計量。
• 透過 1,000 次重複的蒙地卡羅模擬，比較不同模型下估計器的偏差、變異與穩健性。

实验结果

研究问题

• RQ1 在穩定變異時間序列中，極值指數如何透過譜聚 cluster 週期來表示？
• RQ2 不同極值指數估計器的有限樣本性質為何，特別是在偏差與變異方面？
• RQ3 基於譜聚 cluster 週期的估計器與傳統估計器（如區塊最大值與連續長度法）相比，表現如何？
• RQ4 極值指數在何種方式下反映重尾平 station 數列中極端值的聚 cluster 特性？
• RQ5 估計器對超參數選擇的穩健性如何，特別是當真實極值指數較小時？

主要发现

• 譜聚 cluster 週期估計器（θ̂_scp^scp）的偏差低於其他估計器，特別是在真實極值指數較小時，例如在仿射隨機遞迴模型中 θ_X ≈ 0.2792。
• Northrop 的估計器（θ̂_Nsl）具有最小變異，但可能因小樣本中極值聚 cluster 輕微而導致高偏差。
• 區間估計器（θ̂_int）對超參數選擇具有穩健性，且因在不同 θ_X 值下表現穩定，深受實務工作者青睞。
• 對於 φ=0.2 且具學生 t(1) 噪音的 AR(1) 模型，真實極值指數為 θ_|X| = 0.8，適當調校下估計器能收斂至此值。
• 模擬中 θ̂_scp^scp 在 r=64 與 s=[n^0.6/r] 時表現良好，顯示其僅需最少調校即具實用價值。
• 理論結果確認極值指數等於譜聚 cluster 週期的 α 次方之期望，為極端值聚 cluster 提供新的分析基礎。