[论文解读] Tail Analysis without Tail Information : A Worst-case Perspective

Henry Lam, Clémentine Mottet|arXiv (Cornell University)|Jul 12, 2015

Risk and Portfolio Optimization参考文献 42被引用 6

一句话总结

本文提出了一种基于尾部凸性的几何假设的非参数最坏情况分析方法，用于尾部分析，消除了对参数模型的依赖。结果表明，最坏情况下的尾部分布要么极度轻尾，要么极度重尾，并通过低维非线性规划问题来识别最坏情况分布，其性能与传统参数方法相比具有竞争力。

ABSTRACT

Tail modeling refers to the task of selecting the best probability distributions that describe the occurrences of extreme events. One common bottleneck in this task is that, due to their very nature, tail data are often very limited. The conventional approach uses parametric fitting, but the validity of the choice of a parametric model is usually hard to verify. This paper describes a reasonable alternative that does not require any parametric assumption. The proposed approach is based on a worst-case analysis under the geometric premise of tail convexity, a feature shared by all known parametric tail distributions. We demonstrate that the worst-case convex tail behavior is either extremely light-tailed or extremely heavy-tailed. We also construct low-dimensional nonlinear programs that can both distinguish between the two cases and find the worst-case tail. Numerical results show that the proposed approach gives a competitive performance versus using conventional parametric methods.

研究动机与目标

• 解决极端事件建模中尾部数据有限的挑战，此时参数假设难以验证。
• 克服依赖不可验证参数模型进行尾部分布选择的瓶颈。
• 开发一种无需参数假设但仍能提供稳健尾部行为表征的方法。
• 利用尾部凸性这一几何特性——所有已知参数尾部分布均具有该特性——作为最坏情况分析的基础。
• 在凸性约束下识别出最极端的尾部行为（轻尾或重尾），以支持保守的风险评估。

提出的方法

• 基于尾部凸性的几何前提构建最坏情况分析框架，该性质在已知的参数尾部分布中普遍存在。
• 将最坏情况下的尾部分布建模为在凸尾部区域上受凸性约束的优化问题。
• 构建低维非线性规划问题，以求解在凸性约束下轻尾与重尾的极端分布。
• 利用凸优化技术计算最坏情况下的尾部分布，而无需假设特定的参数族。
• 通过利用尾部区域中凸性的结构，确保方法在计算上是可行的。
• 通过将最坏情况结果与传统参数拟合方法进行比较，对方法进行数值验证。

实验结果

研究问题

• RQ1 非参数最坏情况分析是否能在不假设特定参数族的情况下提供可靠的尾部分析？
• RQ2 在尾部凸性约束下，哪些极端尾部分布行为（轻尾或重尾）会显现？
• RQ3 如何在无参数假设的前提下高效计算最坏情况下的尾部分布？
• RQ4 所提出的最坏情况方法在实践中是否能与标准参数拟合技术相媲美？
• RQ5 尾部区域的凸性是否足以作为稳健极值分析的充分几何基础？

主要发现

• 在凸性约束下，最坏情况的尾部分布要么极度轻尾，要么极度重尾，不存在中间程度的极端情况。
• 所提出的方法通过低维非线性规划成功识别出极端尾部分布，实现了实际计算的可行性。
• 数值结果表明，最坏情况方法在性能上与传统参数拟合方法相比具有竞争力。
• 该方法避免了对不可验证参数假设的依赖，为极端事件建模提供了更具鲁棒性的替代方案。
• 尾部凸性这一几何特性为跨多种参数尾部分布的最坏情况分析提供了一个统一框架。
• 该方法为数据稀缺的尾部区域提供了一种保守且解析上可处理的风险评估替代方案。