全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1746 38
2022-06-14
英文标题:
《Tail probabilities of random linear functions of regularly varying
  random vectors》
---
作者:
Bikramjit Das, Vicky Fasen-Hartmann and Claudia Kl\\\"uppelberg
---
最新提交年份:
2020
---
英文摘要:
  We provide a new extension of Breiman\'s Theorem on computing tail probabilities of a product of random variables to a multivariate setting. In particular, we give a complete characterization of regular variation on cones in $[0,\\infty)^d$ under random linear transformations. This allows us to compute probabilities of a variety of tail events, which classical multivariate regularly varying models would report to be asymptotically negligible. We illustrate our findings with applications to risk assessment in financial systems and reinsurance markets under a bipartite network structure.
---
中文摘要:
我们提供了一个新的扩展布雷曼定理计算尾部概率的乘积随机变量的多元设置。特别地,我们给出了锥上正则变化的一个完整刻划$随机线性变换下的概率为[0,infty)^d$。这使我们能够计算各种尾部事件的概率,而经典的多变量规则变化模型将报告为渐近可忽略不计。我们通过将我们的发现应用于二部网络结构下金融系统和再保险市场的风险评估来说明我们的发现。
---
分类信息:

一级分类:Mathematics        数学
二级分类:Probability        概率
分类描述:Theory and applications of probability and stochastic processes: e.g. central limit theorems, large deviations, stochastic differential equations, models from statistical mechanics, queuing theory
概率论与随机过程的理论与应用:例如中心极限定理,大偏差,随机微分方程,统计力学模型,排队论
--
一级分类:Quantitative Finance        数量金融学
二级分类:Risk Management        风险管理
分类描述:Measurement and management of financial risks in trading, banking, insurance, corporate and other applications
衡量和管理贸易、银行、保险、企业和其他应用中的金融风险
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-14 12:24:59
arXiv:数学。规则变化随机向量的随机线性函数的PR/0000000尾概率*工程系统与设计新加坡理工大学新加坡索马帕路8号,邮编:487372,新加坡电子邮件:bikram@sutd.edu.sgandVICKYFASEN HARTMANNInstitute for Stochasticskallsruhe Institute of TechnologyEnglerstrasse 276131 Karlsruhe,Germany电子邮件:vicky。fasen@kit.eduandCLAUDIA吉隆坡大学数学科学中心MunichBoltzmanstrasse理工大学385748 Garching,德国电子邮件:cklu@ma.tum.eduWe提供了Breiman定理在计算随机变量乘积的尾部概率到多元设置的新扩展。特别地,我们在[0]中给出了锥上正则变量的一个完整刻划,∞)dunder随机线性变换。这使我们能够计算各种尾部事件的概率,而经典的多变量规则变化模型将报告为渐近可忽略不计。我们通过在二部网络结构下金融系统和保险市场风险评估的应用来说明我们的发现。AMS 2000科目分类:初级60B10、60F10、60G70、90B15。关键词:二部图,重尾,多元正则变分,网络。本文研究了规则变化随机向量的随机线性函数的尾事件概率。所有随机元素均在相同的概率空间中定义(Ohm, F、 P)。假设Z是E(1)d上具有多元正则变尾分布的非负随机向量:=[0,∞)具有索引的d \\{0}-α≤ 0,表示为MRV(α,E(1)d)。第2节给出了这一概念的准确定义。此外,设A是Z的q×d随机矩阵。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-14 12:25:03
对于X=AZ,我们的目标是找到P(X∈ tC)对于t的大值和各种集合C [0, ∞)q、 一个关于随机变量乘积尾部行为的经典结果(现在称为Breiman\'sTheorem)指出,给定独立的非负随机变量Z和A,其中Z有A*B、 Das得到了教育部学术研究基金二级拨款MOE2017-T2-2-161“从社交网络中的常见联系中学习”的部分支持。imsart bj版本。2014年10月16日文件:BrHid2020arxiv。tex日期:2022年6月9日B.Das、V.Fasen和C.Kl–uppelberg单变量带指数的规则变化尾部分布-α ≤ 0和E[α+δ]<∞ 对于某些δ>0的情况,X=AZ的尾部分布也随指数有规律地变化-α. 更精确地说,P(AZ>t)~ E[α]P(Z>t),作为t→ ∞. (1.1)Breiman(1965年)首次对α进行了说明∈ [0,1]并为所有α建立≥ 克莱恩和萨莫罗德尼茨基(1991)中为0。这一结果对随机递归方程和投资组合尾部风险计算的固有适用性导致了过去几十年的一些推广。Maulik、Resnick和Rootz’en(2002)将Breiman定理的一般化,将随机变量A和Z的独立性假设放宽为渐近独立性。另一方面,inDenisov和Zwart(2007)给出了a上条件的减弱,使得(1.1)保持不变。在Basrak、Davis和Mikosch(2002,命题A.1)中得到了(1.1)的向量值推广,其中d维非负随机向量Z∈ α的MRV(α,E(1)d)≥ 0与EkAkα+δ<∞ 对于某些δ>0。结果表明,在这种情况下,X=AZ∈ MRV(α,E(1)q),其中E(1)q=[0,∞)q \\{0}。Fougeres和Mercadier(2012)给出了该结果与相关性和联合规则变化假设(A,Z)的一般化。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-14 12:25:06
另一方面,Janssen和Drees(2016,定理2.3)在Basrak、Davis和Mikosch(2002)中推广了命题A.1,因此可以计算E(q)q=(0,∞)q=d和isof满秩时(以及某些其他条件)。对于Z∈ MRV(αd,E(d)d)它们表明X=AZ∈MRV(αd,E(d)d)。考虑以下示例来确定此设置中的想法。设Z=(Z,…,Zd)>由iid(独立同分布)Pareto随机变量与P(Zi>Z)=Z组成-α表示z>1,其中α>0,且设A为独立于z的d×d随机矩阵,满足Basrak、Davis和Mikosch(2002,命题A.1)以及Janssen和Drees(2016,定理2.3)的条件。然后X=AZ∈ MRV(α,E(1)d)和X=AZ∈ MRV(dα,E(d)d)。此后,对于形式为[0,x]cand(x,∞) 当x>0时,我们可以计算t→ ∞:P(AZ∈ t[0,x]c)~ t型-αE[u(AZ∈ [0,x]c)],(1.2)P(AZ∈ t(x,∞)) ~ t型-dαE[ud(AZ∈ (十),∞))], (1.3)对于一些措施,u和udt将在后面详细说明。此外,(1.2)和(1.3)右侧的期望值都是不平凡和不确定的;因此,我们的概率估计是有效的。因此,(1.2)允许我们计算被描述为“X的至少一个成分是大的”事件的概率,而(1.3)允许我们计算被描述为“X的所有成分都是大的”事件的概率。这里要问的自然问题是,如果我们想计算矩阵A不可逆时的概率,或者q 6=d,会怎么样。我们可能还想找到“X的至少三个分量是大的”或“X的确切两个分量是大的”的概率。我们可以检查,虽然在这种情况下可以进行类似于(1.2)的概率计算,但它通常会使度量值u,因此,(1.2)的右侧为零。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-14 12:25:09
另一方面,如果Q 6=d或特定关注点集没有所有组件都是大的,则(1.3)将无法回答此类问题。据我们所知,(1.2)和(1.3)是计算规则变化向量的随机线性函数的极值集概率的唯一结果。在我们的工作中,我们提供了一个推广的布莱曼定理,它允许我们计算更一般的极值集的这种概率。例如,在Z为iid Pareto的特定设置中,我们的结果显示P(AZ∈ tC)~ t型-iαE(k)iui(A-1(C)), t型→ ∞. (1.4)其中指数i∈ {1,…,d}取决于矩阵A和集合C的结构,E(k)ire表示概率空间的适当子空间上的期望;定义见第3.2节。在一般设置下找到正确的指数i是本文的基础。imsart bj版本。2014年10月16日文件:BrHid2020arxiv。tex日期:2020年6月9日规则变化向量的线性函数3其他相关文献:其他一些出版物也展示了布雷曼定理的有趣应用和推广,尽管在不同的背景下。在Jessen和Mikosch(2006)中,作者提供了Breiman定理的部分相反:假设A和Z为非负独立随机变量,如果AZ具有规则变化的尾部分布,他们找到了Z也具有规则变化的尾部分布的条件。在Tillier和Wintenberger(2017)中,我们发现Breiman的多元结果扩展到随机长度向量,例如由泊松随机变量确定。在更一般的情况下,Chakraborty andHazra(2018)扩展了Breiman关于规则变化测度的乘法布尔卷积的结果。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-14 12:25:12
最后,专著Buraczewski、Damek和Mikosch(2016)提供了Breiman结果及其在幂律尾随机建模领域的推广的许多应用。我们对形式(1.4)概率计算的兴趣是由我们考虑的广泛应用所激发的。在水文、金融、保险、电信、社交网络等领域的应用中,随机模型中的幂律尾行为已使用规则变化的尾分布建模。一个规则变化的随机向量,如Z∈ [0, ∞)数据可用于表示来自多个股票(金融)的投资风险或与不同保险公司有关的损失(在保险上下文中)。在此类应用中,q×d随机矩阵分别表示一组股东或商业实体的投资组合Z的随机加权选择,或保险公司的损失风险敞口的随机加权选择。因此,这里要计算的一个常见数量是P(AZ∈ tC)对于尾集C,代表与多个投资组合相关的各种最坏情况,或多个保险公司的破产或损失。我们的论文组织如下。我们提供了第1.1节论文中使用的符号摘要,以完成引言。在第2节中,我们讨论了多元正则变量在[0,∞)这为本文的主要结果提供了一个设置。第3节给出了推广Breiman定理的主要结果。在第4节中,我们提供了该模型在二部网络中的应用,其中q代理可以暴露于d对象的风险,其中Z∈ [0, ∞)敢于面对物体的危险。代理的暴露用X=AZ表示,并说明了代理的尾部风险行为,即加权邻接矩阵A的可能结构∈ [0, ∞)q×d。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群