Достижимые корреляции для логнормальных случайных величин


19

Рассмотрим логнормальные случайные величины X1 и X2 с log(X1)N(0,1) и log(X2)N(0,σ2) .

ρmaxρminρ(X1,X2)

ρmax=ρ(exp(Z),exp(σZ)) и ρmin=ρ(exp(Z),exp(σZ)) ,

но они сделали некоторые ссылки на комонотонность и контркомонотонность. Я надеялся, что кто-нибудь поможет мне понять, насколько они актуальны. (Я знаю, как получить это из общего выражения, но хочу знать, что конкретно говорят части о комонотонности.)


8
Кто они"?
whuber

Ответы:


25

Начну, обеспечивая определение comonotonicity и countermonotonicity . Затем я упомяну, почему это важно для вычисления минимального и максимального возможного коэффициента корреляции между двумя случайными переменными. И, наконец, я вычислю эти оценки для логнормальных случайных величин X1 и X2 .

Комонотонность и контрмонотонность
Случайные переменные X1,,Xd называются комонотонными, если их связка является верхней границей Фреше M(u1,,ud)=min(u1,,ud) , которая является самой сильной тип «положительной» зависимости.
Можно показать, что X1,,Xd являются комонотонными тогда и только тогда, когда

(X1,,Xd)=d(h1(Z),,hd(Z)),
где Z - некоторая случайная величина, h1,,hd - увеличивающиеся функции, а =dобозначает равенство в распределении. Итак, комонотонные случайные величины являются только функциями одной случайной величины.

Случайные величины называются countermonotonic , если их копула является Фрешем нижней грани , который является самым сильным типом зависимости «отрицательной» в двумерный случай. Противодействие монотонности не распространяется на более высокие измерения. Можно показать, что контрмонотонны тогда и только тогда, когда где - некоторая случайная величина, и и являются соответственно возрастающей и убывающей функцией или наоборот. W ( u 1 , u 2 ) = max ( 0 , u 1 + u 2 - 1 ) X 1 , X 2 ( X 1 , X 2 ) d = ( h 1 ( Z ) , h 2 ( Z ) ) , Z ч 1 ч 2X1,X2 W(u1,u2)=max(0,u1+u21)
X1,X2

(X1,X2)=d(h1(Z),h2(Z)),
Zh1h2

Достижимая корреляция.
Пусть и - две случайные величины со строго положительными и конечными дисперсиями, и пусть и обозначают минимальный и максимально возможный коэффициент корреляции между и . Тогда можно показать, чтоX 2 ρ min ρ max X 1 X 2X1X2ρminρmaxX1X2

  • X 1 X 2ρ(X1,X2)=ρmin тогда и только тогда, когда и контрмонотонны;X1X2
  • X 1 X 2ρ(X1,X2)=ρmax тогда и только тогда, когда и являются комонотонными.X1X2

Достижимая корреляция для логнормальных случайных величин.
Чтобы получить мы используем тот факт, что максимальная корреляция достигается тогда и только тогда, когда и являются комонотонными. Случайные величины и где являются комонотонными, поскольку экспоненциальная функция является (строго) возрастающей функцией и, таким образом, . Х 1 Х 2 Х 1ρmaxX1X2 X 2 = е σ Z Z ~ N ( 0 , 1 ) ρ макс = с о т г ( е Z , е σ Z )X1=eZX2=eσZZN(0,1)ρmax=corr(eZ,eσZ)

Используя свойства логнормальных случайных величин , мы получаем , , , , и ковариация равна Таким образом, Е ( е σ Z ) = е σ 2 / 2E(eZ)=e1/2E(eσZ)=eσ2/2v г ( е σ Z ) = е σ 2 ( е σ 2 - 1 ) c o v ( e Zvar(eZ)=e(e1)var(eσZ)=eσ2(eσ21)ρ макс

cov(eZ,eσZ)=E(e(σ+1)Z)E(eσZ)E(eZ)=e(σ+1)2/2e(σ2+1)/2=e(σ2+1)/2(eσ1).
ρmax=e(σ2+1)/2(eσ1)e(e1)eσ2(eσ21)=(eσ1)(e1)(eσ21).

Подобные вычисления с дают ρ minX2=eσZ

ρmin=(eσ1)(e1)(eσ21).

Комментарий
Этот пример показывает, что возможно иметь пару случайных величин, которые сильно зависят друг от друга - комонотонность и контрмонотонность являются наиболее сильным видом зависимости, но имеют очень низкую корреляцию. Следующая таблица показывает эти границы в зависимости от .σ

введите описание изображения здесь

Это код R, который я использовал для составления таблицы выше.

curve((exp(x)-1)/sqrt((exp(1) - 1)*(exp(x^2) - 1)), from = 0, to = 5,
      ylim = c(-1, 1), col = 2, lwd = 2, main = "Lognormal attainable correlation",
      xlab = expression(sigma), ylab = "Correlation", cex.lab = 1.2)
curve((exp(-x)-1)/sqrt((exp(1) - 1)*(exp(x^2) - 1)), col = 4, lwd = 2, add = TRUE)
legend(x = "bottomright", col = c(2, 4), lwd = c(2, 2), inset = 0.02,
       legend = c("Correlation upper bound", "Correlation lower bound"))
abline(h = 0, lty = 2)

7
(+6) Хорошая тщательная экспозиция и хорошо проиллюстрировано. Интересно, что попытки подтвердить ваш график с помощью симуляции будут обречены, когда намного больше, чем потому что коэффициент корреляции выборки является чрезвычайно переменным (из-за вероятности получить одно чрезвычайно высокое значение , которое будет иметь большое кредитное плечо) , Это ставит большую ценность, чем обычно, в основательный теоретический анализ. 3 х 2σ3X2
whuber

5
Эта экспозиция является адаптацией примера 2.1 (стр. 23) M. Denuit и J. Dhaene (2003), Простые характеристики комонотоничности и контрмонотонности по экстремальным корреляциям , Belgian Actuarial Bulletin , vol. 3, 22-27.
кардинал

3
@ Cardinal Я не знал об этой статье, спасибо. Другие потенциальные ссылки включают ebooks.cambridge.org/… или McNeil, AJ, Frey, R. и Embrechts, P. (2005). Количественное управление рисками: концепции, методы и инструменты. Принстон: издательство Принстонского университета.
QuantIbex

2
Пример восходит, по крайней мере, к RD De Veaux (1976), Tight верхняя и нижняя границы для корреляции двумерных распределений, возникающих в моделях загрязнения воздуха , Tech. Отчет 5, Департамент статистики, Стэнфордский университет. См. Раздел 3, начиная со страницы 6. Основные инструменты были известны Хоффдингу.
кардинал

@QuantIbex в вашем доказательстве есть что-то неясное для меня. Сначала вы утверждаете, что и являются комонотонными тогда и только тогда, когда их совместное распределение равно , для увеличивается и т. Д., Но когда вы применяете этот результат к логнормальному случайному переменные, вы говорите, что это означает, что сами случайные переменные таковы, что и , т. е. кажется, что вы применяете утверждение к самим случайным переменным, а не только к их распределениям. Как это? X 2 ( h 1 ( Z ) , h 2 ( Z ) ) h 1 , h 2 X 1 = e Z X 1 = e σ ZX1X2(h1(Z),h2(Z))h1,h2X1=eZX1=eσZ
RandomGuy
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.