-
令X的分布函数为F,其生存函数为
$\bar{F}=1-F$ . 假定X服从重尾分布,即$\bar{F}$ 满足如下的正规变化条件:记为
$\bar{F} \in R V_{-\frac{1}{\gamma}}$ .令
$H(x):[0, \infty) \longrightarrow[0, \infty)$ 为严格单调递增、可导的凸函数,满足文献[1]定义X的广义分位数
则
$q_\tau^* \in \arg \min _q \mathrm{E}\left[\eta_\tau(X-q)-\eta_\tau(X)\right]$ ,其中$\eta_\tau(x)=|\tau-1(x \leqslant 0)| H(|x|)$ . 它进一步研究了M分位数[2]的性质. 当$H(x)=x, x^2, x^p, p>1$ 时,(1)式分别为一般分位数$q_\tau \in \arg \min _q \tau \mathrm{E}\left[(X-q)^{+}\right]+$ $(1-\tau) \mathrm{E}\left[(X-q)^{-}\right]$ [3]、期望分位数[4]、$L_p$ 分位数[5].文献[6-9]说明了
$q_\tau$ 与期望分位数之间的联系. 文献[10-11]则得到了$q_\tau$ 与$L_p$ 分位数的渐近关系. 有关$q_\tau$ ,期望分位数和$L_p$ 分位数应用的更多研究见文献[12-13]. 本文受文献[11]的启发,在假定$H \in R V_\alpha$ 且$\alpha>1$ 的基础上,讨论极端情况下$q_\tau^*$ 与$q_\tau$ 的渐近关系.下面给出本文的主要结果,即
$q_\tau^*$ 与$q_\tau$ 的联系. 首先建立$\bar{F}\left(q_\tau^*\right)$ 与$1-\tau$ 的联系,结论如下:定理1 假定
$\bar{F} \in R V_{-\frac{1}{\gamma}}, H \in R V_\alpha$ . 对任意的$\alpha>1, c>0$ ,有$\mathrm{E}[H(c|X|)] <\infty$ 和$0 <\gamma <\frac{1}{\alpha-1}$ . 则其中
$\mathrm{B}(a, b)=\int_0^1 x^{a-1}(1-x)^{b-1} \mathrm{~d} x$ 是贝塔函数.由于
$\bar{F}\left(q_\tau\right)=1-\tau$ ,因此基于定理1我们易得到$q_\tau^*$ 与$q_\tau$ 的联系(定理2).定理2 在定理1的条件下,有
在证明定理1之前,先引入3个引理.
引理1 若对任意的
$c>0$ ,有$\mathrm{E}[H(c|X|)] <\infty$ ,则$q_\tau^* \in \arg \min _q \mathrm{E}\left[\eta_\tau(X-q)-\eta_\tau(X)\right]$ 当且仅当$(1-\tau) \mathrm{E}\left[H^{\prime}\left(\left(X-q_\tau^*\right)^{-}\right)\right]=\tau \mathrm{E}\left[H^{\prime}\left(\left(X-q_\tau^*\right)^{+}\right)\right]$ .证 参见文献[1]引理3.
引理2 若对任意的c>0,有
$\mathrm{E}[H(c|X|)] <\infty$ ,则$q_\tau^*$ 是(0,1)上的单调递增函数且当$\tau \rightarrow 1$ 时,$q_\tau^* \rightarrow+\infty$ .证
$q_\tau^*$ 的单调性见文献[1]的命题5(f).若当$\tau \rightarrow 1$ 时,$q_\tau^* \not \rightarrow+\infty$ . 则由单调收敛定理可得$q_\tau^*$ 收敛到一个有限数值,记为$q^*$ . 函数$\mathrm{E}\left[H^{\prime}\left(\left(X-q_\tau^*\right)^{-}\right)\right]$ 和$\mathrm{E}\left[H^{\prime}\left(\left(X-q_\tau^*\right)^{+}\right)\right]$ 是连续的,利用控制收敛定理及引理1,当$\tau \rightarrow 1$ 时,$\mathrm{E}\left[H^{\prime}\left(\left(X-q_\tau^*\right)^{+}\right)\right]=0$ ,即$\mathrm{P}\left(X \leqslant q^*\right)=1$ . 这与X服从重尾分布F,其上端点为+∞[15]矛盾.引理3 假定
$\bar{F} \in R V_{-\frac{1}{\gamma}}, H \in R V_\alpha$ . 对任意的$\alpha>1, b \geqslant 1$ 和c>0,有$\mathrm{E}[H(c|X|)] <\infty, 0 < \gamma <\frac{1}{b(\alpha-1)}$ . 则证 记
其中
由文献[14]的命题0.7(b)可知
$H^{\prime} \in R V_{a-1}$ . 根据文献[14]的命题0.5,控制收敛定理及正规变化函数的局部一致收敛性,有由文献[15]的定理B.2.18,对任意
$\epsilon >0, 0 <\delta <\gamma^{-1}-b(\alpha-1)$ ,存在$t_0=t_0(\epsilon, \delta)$ 使得对$t \geqslant t_0, x>1$ ,有因此,对
$t>2, q_\tau^* \geqslant t_0$ ,有由于
$\gamma^{-1}-b(\alpha-1)>0, \gamma^{-1}-b(\alpha-1)-\delta>0$ . 因而$(t-1)^{b(a-1)} t^{-\frac{1}{\gamma}-1}$ 和$(t-1)^{b(\alpha-1)+\hat{\delta}} t^{-\frac{1}{\gamma}-1}$ 在(2,+∞)上关于t可积. 同样利用控制收敛定理,可得因此,由(3)-(5)式可得
对
$\varDelta_2(\tau)$ ,同样由文献[15]的定理B.2.18可知,对任意$\epsilon>0, 0 <\delta <\gamma^{-1}-b(\alpha-1)$ ,存在$t_0^*=t_0^*(\epsilon, \delta )$ 使得对$q_\tau^* \geqslant t_0^*, s>1$ ,有因此,
注意到
令
$\epsilon \rightarrow 0$ 可得由(2),(6)与(7)式可知结论成立,引理证毕.
定理1的证明 由引理1可知
等价于
其中
$I_1\left(q_\tau^*\right)=\mathrm{E}\left[H^{\prime}\left(X-q_\tau^*\right) 1_{\left(X>q_*^*\right)}\right], I_2\left(q_\tau^*\right)=\mathrm{E}\left[H^{\prime}\left(\left|X-q_\tau^*\right|\right)\right]$ . (8)式两边同除以$H^{\prime}\left(q_\tau^*\right)$ ,有由引理3,令b=1有
记
当
$q_\tau^* \rightarrow+\infty$ 时,则$\bar{F}\left(q_\tau^*\right) \rightarrow 0$ ,由(9)式知$A_1(\tau)=\frac{I_1\left(q_\tau^*\right)}{H^{\prime}\left(q_\tau^*\right)} \rightarrow 0$ .注意到,文献[14]的命题0.7(a)表明,由
$\mathrm{E}[H(c|X|)]$ 的存在性可得$\mathrm{E}\left[H^{\prime}(c|X|)\right]$ 的存在性. 因此对第二项$A_2(\tau)$ ,利用$\mathrm{E}\left[H^{\prime}(c|X|)\right]$ 的存在性及文献[14]的命题0.8(i),当$q_\tau^* \rightarrow+\infty$ 时,有对第三项A3(τ),有
由文献[14]的命题0.7(b)可得
$H^{\prime} \in R V_{\alpha-1}$ ,类似引理3的证明有注意到,当
$\tau \rightarrow 1$ 时,有$q_\tau^* \rightarrow+\infty$ ,则(10)式第二项中的$\left(1-\frac{X}{q_\tau^*}\right)^{\alpha-1} 1_{\left(|X| <q_\tau^*\right)}$ 几乎处处收敛到1且小于等于$2^{a-1}$ ,由控制收敛定理可得由(10),(11)与(12)式可得A3(τ)收敛到1. 因此,
联合(8),(9)与(13)式可得定理得证.
The Asymptotic Properties of Generalized Quantiles
-
摘要: Bellini等人提出了广义分位数并研究了其基本性质,特别针对重尾分布分析了期望分位数与一般分位数的渐近关系. 本文在假设广义分位数为正规变化函数的基础上,研究广义分位数与一般分位数的渐近关系.Abstract: Bellini et al. (2014) proposed the generalized quantile and studied its basic properties. In particular, for heavy-tailed distributions, the paper also analyzed the asymptotic relationship between expectiles and quantiles. Based on the assumption that the generalized quantile is a regularly varying function, this paper studies its asymptotic relationship with quantiles.
-
-
[1] BELLINI F, KLAR B, MVLLER A, et al. Generalized Quantiles as Risk Measures [J]. Insurance: Mathematics and Economics, 2014, 54: 41-48. doi: 10.1016/j.insmatheco.2013.10.015 [2] BRECKLING J, CHAMBERS R. M-Quantiles [J]. Biometrika, 1988, 75: 761-772. doi: 10.1093/biomet/75.4.761 [3] KOENKER R, BASSETT G. Regression Quantiles [J]. Econometrica, 1978, 46(1): 33. doi: 10.2307/1913643 [4] NEWEY W K, POWELL J L. Asymmetric Least Squares Estimation and Testing [J]. Econometrica, 1987, 55(4): 819. doi: 10.2307/1911031 [5] CHEN Z H. Conditional Lp-Quantiles and Their Application to the Testing of Symmetry in Non-Parametric Regression [J]. Statistics & Probability Letters, 1996, 29(2): 107-115. [6] ABDOUS B, REMILLARD B. Relating Quantiles and Expectiles under Weighted-Symmetry [J]. Annals of the Institute of Statistical Mathematics, 1995, 47(2): 371-384. doi: 10.1007/BF00773468 [7] EFRON B. Regression Percentiles Using Asymmetric Squared Error Loss [J]. Statistica Sinica, 1991, 1(1): 93-125. [8] YAO Q, TONG H. Asymmetric Least Squares Regression Estimation: a Nonparametric Approach [J]. Journal of Nonparametric Statistics, 1996, 6(2-3): 273-292. doi: 10.1080/10485259608832675 [9] SCHNABEL S K, EILERS P H C. A Location-Scale Model for Non-Crossing Expectile Curves [J]. Stat, 2013, 2(1): 171-183. doi: 10.1002/sta4.27 [10] DAOUIA A, GIRARD S, STUPFLER G. Estimation of Tail Risk Based on Extreme Expectiles [J]. Journal of the Royal Statistical Society Series B: Statistical Methodology, 2018, 80(2): 263-292. doi: 10.1111/rssb.12254 [11] DAOUIA A, GIRARD S, STUPFLER G. Extreme M-Quantiles as Risk Measures: From L1 to Lp Optimization [J]. Bernoulli, 2019, 25(1): 264-209. [12] POLLARD D. Asymptotics for Least Absolute Deviation Regression Estimators [J]. Econometric Theory, 1991, 7(2): 186-199. doi: 10.1017/S0266466600004394 [13] PORTNOY S, KOENKER R. Adaptive L-Estimation for Linear Models [J]. The Annals of Statistics, 1989, 17(1): 362-381. [14] RESNICK S I. Point Processes[M]// Extreme Values, Regular Variation and Point Processes. New York: Springer, 1987: 123-161. [15] DE HAAN L, FERREIRA A. Extreme Value Theory[M]. New York: Springer New York, 2006. -
计量
- 文章访问数: 1310
- HTML全文浏览数: 1310
- PDF下载数: 152
- 施引文献: 0