多元极值的参数建模方法及其金融应用最新进展述评.docVIP

多元极值的参数建模方法及其金融应用：最新进展述评 覃筱 任若恩 2011-12-13 14:29:22　　来源：《统计研究》(京)2010年7期第65～72页 ，则尾部相依性可通过极限条件概率刻画：　　　　可见，（χ，）这对指标能够完整描述随机变量之间的极值相依性或渐近关系：（χ，1）反映了渐近相依性程度；(0，)则反映了渐近独立情况下的渐近相依性。可见，尾部相依性由强至弱可分为四种：渐近相依、正关联的渐近独立、完全独立和负关联的渐近独立。图1的四个子图分别对应了这四种相依性。尾部相依性越强，则同时发生极端情况的可能性越大；从投资者的角度来看，组合中资产的尾部收益为(d)时，将最不利于风险的分散化。尾部相依性的概念将在后文中涉及。　　　　图1尾部相依性示意图　　资料来源：(a)～(d)中的随机数分别来自边际分布为单位Fréchet分布，相依结构为二元正态（相关系数为-0.5）、Morgenstern copula（参数为0.75）、二元正态（相关系数为0.5）和二元极值logistic模型（参数0.5）；直线所表示的阈值为95%分位点；(a)～(d)分别对应了尾部相依性中的负关联的渐近独立、完全独立、正关联的渐近独立和渐近相依。　　二、经典多元极值理论的研究　　（一）由一元到多元极值理论　　　　（二）多元极值理论下的参数模型　　与一元极值理论不同，式(3)中多元情况下的极限分布G并不存在有限的参数形式，仅给出极限表示并不能有效用于统计建模、并最终研究实际问题，因此，后来的许多学者都将研究重心转移到推导合适的参数模型方面。这一问题的研究在20世纪90年代前后达到了高潮，并出现了大量颇具影响力的模型。大致可分为基于logistic分布的参数模型、基于Dirichlet分布的参数模型和其他模型三类。分别包括：logistic模型、嵌套logistic模型、负的不对称logistic模型、不对称logistic模型、双logistic模型、时间序列logistic模型；Dirichlet模型、混合Dirichlet模型；非对称混合模型等。Coles和Tawn(1991)对其中的部分模型作了综述和介绍[8]。　　最近，也有学者提出了一元极值理论中的超出阈值理论所对应的多元结果，他们称之为多元广义帕累托分布(multivariate GPD)，见Rootzén和Tajvidi(2006)[9]，但研究尚初步，这里不再详述。　　（三）多元极值理论及模型的优缺点　　经过二十多年的发展，极值统计学者已得到了多元极值理论框架下的多个参数模型，且有二元以上的参数模型，应用范围广泛。但Ledford和Tawn(1996)指出，该理论下的相依性结构比较有限，所有参数模型所提供的相依结构仅为渐近相依或渐近独立中的完全独立中的一种，即：，k为常数。前者对应了极值相依结构中的渐近相依，后者对应了完全独立，但却无法描述渐近独立中的正关联和负关联。当多元变量之间是正关联关系时，例如二元随机变量的相依结构为二元正态，且相关系数略小于1，那么，此时如果使用多元极值分布对变量建模，会将二元变量视为完全独立处理，这会造成许多模型推断方面的错误，如低估两变量同时出现极端情况的可能性等等。　　尽管Ledford和Tawn(1996)指出经典多元极值理论及参数模型无法给出足够丰富的相依性结构的缺陷，但是，多元极值理论下渐近独立的尾部相依性结构会消失的根源是什么？是取分量最大值的原因？是模型构造的原因？还是其他？这一问题尚未得到彻底解决。此外，在多元极值仿真方面，目前对于logistic型参数模型已有比较成熟和精确的算法，见Shi，Smith和Coles(1992)，Stephenson(2003)[10,11]，但对Dirichlet型参数模型的仿真算法却非常有限，有待进一步研究。　　三、Ledford-Tawn-Ramos方法　　（一）Ledford-Tawn模型框架　　Ledford和Tawn(1996)基于正则变分(regular variation)理论提出了一个新的研究框架：与多元极值理论不同，他们不以分量最大值作为研究目标，转而针对联合尾部（即随机向量的各个分量均超出某个较高阈值水平的区域，如图2阴影所示）建模，考察观测值落在该区域时的统计特征，他们给出了正则变分条件下边际分布为单位Fréchet的二元随机变量的联合生存分布的一般渐进式 　　　　为临界值。　　其中，L为慢变函数，即满足，且其极限函数g为零阶齐次函数，即g(cz)=g(z)，c＞0。0＜η≤1为尾部相依性系数(coefficient of tail dependence)，可全面反映出全部四种相依结构，η=1对应渐近相依