꼬리 분포 추정의 새로운 접근: 섭동 기반 극단값 지수 추론

초록

극단값 이론에서 중요한 꼬리 행동 지표인 극단값 지수(EVI)에 대한 추론은 꼬리 영역의 데이터 부족으로 어려움을 겪습니다. 본 연구는 높은 임계값을 초과하는 데이터에만 잡음을 추가하는 섭동 기반 방법을 제안하여 EVI에 대한 신뢰구간을 구성합니다. 일반화 파레토 분포(GPD) 근사를 활용한 이 방법은 일관된 추정량을 제공하며, 생성된 합성 데이터는 차등 프라이버시를 보장합니다. GPD 근사가 부적절할 경우 개선된 섭동 절차를 도입하여 강건한 추론을 가능하게 합니다.

상세 분석

본 논문은 극단값 지수(EVI) 추론의 근본적인 난제인 꼬리 데이터의 희소성과 임계값 선택 문제를 해결하기 위한 혁신적인 섭동 기반 방법론을 제시한다. 핵심 아이디어는 전체 표본이 아닌, 높은 임계값을 초과하는 ‘초과치’만을 대상으로 합성 데이터를 생성하는 것이다. 이는 Pickands-Balkema-de Haan 정리에 기반하여, 충분히 높은 임계값 이상의 초과치는 점근적으로 일반화 파레토 분포(GPD)를 따른다는 사실에 근거한다.

기술적 세부사항으로, 방법은 먼저 Hill 추정량 등을 통해 GPD의 모수(형상모수 γ, 척도모수 β)를 추정한다. 이후 각 초과치 Z_j의 GPD 누적분포함수 값 G_θ(Z_j)에 Laplace 잡음을 가한 후, 이를 다시 GPD 분포를 따르는 변수 Z*_ij로 변환한다. 이 변환 과정은 합성 데이터가 원본 꼬리 분포 특성을 보존하도록 설계되었다. 생성된 다수의 섭동 표본으로부터 Hill 추정량을 다시 계산하고, 이를 이용하여 원본 추정량을 중심으로 한 점근적 필수 통계량 T의 분포를 모의실험으로 구축한다. 최종적으로 이 T의 경험적 분위수를 사용하여 EVI γ에 대한 신뢰구간을 구성한다.

이론적 기여는 크게 두 가지이다. 첫째, Theorem 1 및 Corollary 1을 통해 섭동된 표본의 꼬리 분위수 과정과 Hill 추정량의 점근적 분포를 정립하였다. 이는 원본 표본의 통계적 성질이 섭동 과정을 거쳐도 일관되게 유지됨(일치성)을 보장하는 근간이 된다. 특히 √k A(n/k) → 0인 경우, 섭동 필수 통계량 T*의 분포가 원본 필수 통계량 T의 분포에 수렴함을 증명하였다(Theorem 2). 둘째, 제안된 섭동 메커니즘이 차등 프라이버시를 만족함을 보였다. 이는 민감한 개인 정보를 포함할 수 있는 극단값 데이터(예: 금융 거래, 보험 청구)를 분석할 때 중요한 프라이버시 보호 장치가 된다.

실용적 측면에서 이 방법의 강점은 기존의 정규 근사나 부트스트랩 방법에 비해 유한 표본에서도 정확한 커버리지를 제공하며, 임계값 선택에 대한 민감도가 상대적으로 낮다는 점이다. 또한 GPD 근사가 불충분한 경우를 대비한 ‘정제된 섭동’ 절차를 추가로 제안하여 모형 오차에 대한 강건성을 높였다. 모의실험 결과는 다양한 분포 하에서 제안 방법이 기존 방법보다 더 짧으면서도 명목 신뢰수준에 근접하는 신뢰구간을 제공함을 입증하여 방법의 유용성을 뒷받침한다.