[论文解读] The alchemy of probability distributions: beyond Gram-Charlier expansions, and a skew-kurtotic-normal distribution from a rank transmutation map

WT Shaw, Irc Buckley|ArXiv.org|Jan 5, 2009

Financial Risk and Volatility Modeling参考文献 18被引用 308

一句话总结

本文提出了一种新颖的秩转换映射（RTM）技术，通过将基分布的累积分布函数（CDF）与目标分布的分位数函数复合，生成具有可控偏度和峰度的灵活且可处理的概率分布。该方法通过提供精确、非渐近的变换，避免了Gram-Charlier展开的病态问题，实现了偏度-峰度正态分布的推导，其矩表达式以转换参数表示时形式简单、线性。

ABSTRACT

Motivated by the need for parametric families of rich and yet tractable distributions in financial mathematics, both in pricing and risk management settings, but also considering wider statistical applications, we investigate a novel technique for introducing skewness or kurtosis into a symmetric or other distribution. We use a "transmutation" map, which is the functional composition of the cumulative distribution function of one distribution with the inverse cumulative distribution (quantile) function of another. In contrast to the Gram-Charlier approach, this is done without resorting to an asymptotic expansion, and so avoids the pathologies that are often associated with it. Examples of parametric distributions that we can generate in this way include the skew-uniform, skew-exponential, skew-normal, and skew-kurtotic-normal.

研究动机与目标

• 开发一种稳健的非渐近方法，用于在对称或基分布中引入偏度和峰度，尤其适用于金融建模与风险管理。
• 克服Gram-Charlier和Cornish-Fisher展开的局限性，如负密度和矩收敛问题。
• 通过分位数函数和闭式转换映射，提供可处理的模拟框架。
• 推导出一个新分布族——具体为偏度-峰度正态分布——其矩表达式以转换参数表示时形式简单、线性。
• 通过高效的采样算法，实现蒙特卡洛模拟与拷贝函数建模的实际应用。

提出的方法

• 该方法采用秩转换映射（RTM）定义为 $ G_{R_{12}}(u) = F_2(F_1^{-1}(u)) $，其中 $ F_1 $ 为基分布的CDF，$ F_2 $ 为目标分布的CDF。
• 以二次RTM作为起点：$ G_{R_{12}}(u) = u + \lambda u(1-u) $，该形式引入偏度并允许闭式求逆。
• 对于更高阶调制，引入一个三次多项式RTM：$ P(z, \alpha_1, \alpha_2) = z + \alpha_1 z(1-z) + \alpha_2 z(1-z)^2 $，实现对偏度和峰度的同步控制。
• 转换后的CDF构造为 $ F_2(x) = F_1^{-1}(G_{R_{12}}^{-1}(u)) $，采样通过使用基分布分位数函数的逆变换采样实现。
• 通过将参数限制在 $ (\alpha_1, \alpha_2) $-空间中密度保持非负且连续的区域，确保有效概率密度函数。
• 蒙特卡洛采样通过求解三次方程 $ P(z, \alpha_1, \alpha_2) = u $ 得到 $ z $，然后应用基分布的分位数函数得到 $ X = F_1^{-1}(z) $。

实验结果

研究问题

• RQ1 能否开发一种非渐近、精确的方法，在不依赖Gram-Charlier或Cornish-Fisher展开的前提下，向基分布中引入偏度和峰度？
• RQ2 何种数学结构的秩转换映射可实现在基分布中对偏度和峰度的同步控制？
• RQ3 如何以简单、闭式且线性的方式表达所生成转换分布的矩？
• RQ4 在 $ (\alpha_1, \alpha_2) $-空间中，哪些参数区域可确保有效、非负的概率密度函数？
• RQ5 与现有的偏正态分布和Azzalini型分布相比，该方法在可处理性和准确性方面表现如何？

主要发现

• 通过三次秩转换映射推导出偏度-峰度正态分布，其CDF表示为 $ F_2(x) = \phi(x) P'(\Phi(x), \alpha_1, \alpha_2) $，其中 $ \phi $ 和 $ \Phi $ 分别为标准正态分布的PDF和CDF。
• 偏度-峰度正态分布的前五阶矩是转换参数 $ \alpha_1 $ 和 $ \alpha_2 $ 的线性函数，具体表达式见表2。
• 当 $ \alpha_1 = 1, \alpha_2 = 0 $ 时，转换后的分布对应于两个独立同分布的标准正态变量的最大值。
• 当 $ \alpha_1 = 0, \alpha_2 = 1 $ 时，分布对应于两个独立同分布的标准正态变量的最小值。
• 通过特定 $ (\alpha_1, \alpha_2) $ 值，该方法成功生成了如三个独立同分布正态变量的最大值、最小值及中间顺序统计量等特殊情况。
• 在 $ (\alpha_1, \alpha_2) $-空间中，允许的参数区域虽有限，但包含原点附近的大片开集，可有效实现中等程度偏度和峰度的建模。