Kolmogorov and Wasserstein Distances between Max-Stable Distributions

기술 요약: 최대 안정 분포 간의 콜모고로프 및 바서슈타인 거리

문제 정의
본 논문은 단위-$\alpha$-프레셰(Fréchet) 주변 분포를 갖는 $d$-차원 최대 안정 분포 함수 $F_1$과 $F_2$ 사이의 거리를 정량화하는 근본적인 문제를 다룬다. 이 문제는 근사 이론과 극치 통계 모델링 모두에서 핵심적이다. 저자들은 이러한 법칙들 사이의 콜모고로프 거리($d_K$)와, 유한 모멘트가 존재하는 경우의 바서슈타인 거리($W_p$)에 대한 명시적인 비교 상한을 도출하고자 한다. 이 상한들은 스펙트럼 또는 파라메트릭 표현, 특히 de Haan 표현자, 각도 측도(angular measures), 그리고 안정 꼬리 의존 함수(stable tail dependence functions)에 초점을 맞추어 표현된다.

방법론
분석은 최대 안정 법칙의 스펙트럼 표현과 지수 함수의 동차성(homogeneity)에 기초한다. 핵심 방법론은 세 가지 구별된 접근 방식을 포함한다:

1. 동차 단면으로의 축소: 콜모고로프 거리는 지수 함수 $V_k(x) = -\log F_k(x)$를 동차 단면(특히 $\min_j x_j = 1$인 집합) 위에서 균등하게 비교하는 것으로 축소된다. 저자들은 지수 함수 간의 차이에 기반하여 분포 간의 거리를 제한하기 위해, $\sup |e^{-q} - e^{-(1+t)q}|$를 통해 정의되는 스칼라 함수 $\omega(t)$를 활용한다.
2. 결합(Coupling) 및 운송 비용:
   • 콜모고로로프 상한: 저자들은 두 분포 사이의 거리를 거듭제곱된 de Haan 표현자 $(Z^{(k)})^\alpha$ 사이의 바서슈타인 거리와 각도 측도 $H_k$ 사이의 전변동(total variation) 거리와 연관시킨다.
   • 바서슈타인 상한: 최대 안정 법칙 자체 사이의 바서슈타인 거리에 대해, 본 논문은 **동기적 de Haan–LePage 결합(synchronous de Haan–Le-Page coupling)**을 사용한다. 이는 근저에 있는 de Haan 표현자 $Z^{(k)}$를 결합하고, 결과적인 최대 안정 법칙 사이의 운송 비용을 제한하기 위해 LePage 급수 표현의 특성을 활용하는 과정을 포함한다.
3. Inf–Argmax 분해: 지수 함수는 극대값-가중치 맵 $\Psi_j(x)$를 사용하여 분해되며, 이를 통해 거리 상한을 특정 파라메트릭 가족의 모델 파라미터로 직접 표현할 수 있다.

주요 기여 및 결과

• 표현자와 각도 측도를 통한 콜모고로프 상한:
  본 논문은 콜모고로프 거리가 거듭제곱된 de Haan 표현자의 바서슈타인 거리와 각도 측도의 전변동 거리 중 작은 값에 함수 $\omega$를 적용한 값에 의해 유계임을 입증한다.
  $$d_K(F_1, F_2) \leq \omega(W_\alpha \wedge M_\infty \|H_1 - H_2\|_{TV}) \leq \frac{1}{e}(W_\alpha \wedge M_\infty \|H_1 - H_2\|_{TV})$$
  중요한 기술적 기여는 계수 $M_\infty = \sup_{s \in S} \|s\|_\infty^\alpha$이다. 양의 $\ell_\alpha$-구(sphere)($\sum s_j^\alpha = 1$)를 사용하는 경우 $M_\infty = 1$이다. 따라서 이 프레임워크에서 사용되는 정규화되지 않은 각도 측도의 경우, 집합적 각도 전변동 거리에 곱해지는 계수는 이전 결과들과 달리 명시적인 차원 인자를 포함하지 않는다.

• 동기적 결합을 통한 바서슈타인 상한:
  $1 \leq p < \alpha$인 경우, 본 논문은 거듭제곱되지 않은 de Haan 표현자들의 $\alpha$-바서슈타인 운송 비용을 사용하여 최대 안정 법칙 사이의 $p$-바서슈타인 거리에 대한 상한을 도출한다.
  $$W_{p, \|\cdot\|_\infty}(F_1, F_2) \leq \Gamma\left(1 - \frac{p}{\alpha}\right)^{1/p} W_{\alpha, \infty}(F_1, F_2)$$
  이 결과는 거듭제곱된 버전이 아닌 가공되지 않은(raw) 표현자를 운송하는 동기적 결합 메커니즘을 활용함으로써 기존의 상한들을 보완한다.

• 고정된 코풀라 및 변화하는 프레셰 지수:
  저자들은 극치값 코풀라(및 그에 따른 안정 꼬리 의존 함수)는 고정되어 있으나 프레셰 지수 $\alpha$가 변하는 경우를 분석한다.

  • 이들은 일차원 프레셰 비교에만 의존하는 양방향 콜모고로프 상한을 제공한다.
  • $\alpha_1, \alpha_2 > 1$이고 $p=1$일 때 $\ell_1$-바서슈타인 거리에 대한 정확한 공식을 도출한다:
    $$W_{1, \|\cdot\|_1}(F_{\alpha_1}, F_{\alpha_2}) = d \int_0^\infty |t^{-1/\alpha_1} - t^{-1/\alpha_2}| e^{-t} dt$$
    이는 고정된 코풀라 설정에서 바서슈타인 거리가 전적으로 주변 분포 변환에 의해 제어됨을 보여준다.

• 특정 모델에 대한 응용:
  일반적인 상한은 다음 모델들에 특화된다:

  • Archimax 및 클러스터형 Archimax 코풀라: 생성자 $\psi$와 안정 꼬리 의존 함수의 불일치(discrepancy)를 통해 상한이 도출된다.
  • Brown–Resnick 및 Hüsler–Reiss 모델: 본 논문은 기저 가우시안 프로세스의 공분산 행렬을 바탕으로 명시적인 상한을 제공한다. 특히 Hüsler–Reiss 모델의 경우, 콜모고로프 거리는 베리오그램(variogram) 파라미터로부터 유도된 $\Psi$-함수의 불일치에 의해 유계되며, 이는 표현 불변적(representation-invariant) 비교를 제공한다.

의의 및 주장
본 논문은 $\ell_\alpha$-구(sphere)를 사용할 때 각도 측도 상한에서 명시적인 차원 인자를 피하는, 최대 안정 분포를 비교하기 위한 통합된 프레임워크를 제공한다고 주장한다. 콜모고로프 거리를 표현자의 바서슈타인 거리 및 각도 측도의 전변동과 연결함으로써, 이 연구는 콜모고로프 추정치를 도출하기 위한 "공통 메커니즘"을 제시한다. 변화하는 프레셰 지수에 대한 정확한 $\ell_1$-바서슈타인 공식을 도출하고 클러스터형 Archimax 코풀라 및 Hüsler–Reiss 모델과 같은 복잡한 구조에 적용한 것은 이 상한들의 유용성을 확장한다. 결과들은 임의적인 차원 의존적 상수를 사용하지 않고도 변화하는 안정성 지수 및 각도 구조를 가진 법칙들을 비교할 수 있게 하는 내재적 상한으로 제시된다.