ecm ecm

Randfall: Extremwertanalyse und Audit-Reproduzierbarkeit

Scénario de test & Cas d'usage

Geschäftskontext

Für ein regulatorisches Audit muss eine exakte Reproduzierbarkeit der Ergebnisse gewährleistet sein. Zudem liegt der Fokus auf extremen 'Tail Events' (sehr seltenen, aber katastrophalen Verlusten). Das Szenario testet die Feinsteuerung der EDF-Genauigkeit (Empirical Distribution Function) im Randbereich und die Verwendung eines festen Seeds.
Datenaufbereitung

Erstellung von Daten mit extremen Ausreißern (Fat Tails).

Kopiert!
1 
2DATA casuser.copula_audit;
3call streaminit(999);
4DO i=1 to 2000;
5u_main=rand('uniform');
6OUTPUT;
7END;
8 
9RUN;
10 
11DATA casuser.marg_fat_tail;
12call streaminit(999);
13DO i=1 to 2000;
14IF rand('uniform') > 0.98 THEN val=rand('pareto', 2)*10000;
15ELSE val=rand('normal', 100, 10);
16OUTPUT;
17END;
18 
19RUN;
20 

Étapes de réalisation

1
Ausführung mit strikten Parametern für Tail-Genauigkeit und festem Seed für Reproduzierbarkeit.
Kopiert!
1 
2PROC CAS;
3ecm.ecm / copulaSample={name="copula_audit"} marginals={{TABLE={name="marg_fat_tail"}, sampleVarName="val"}} tailStart=0.90 tailEDFAccuracy=1.0E-5 doExactFinalCount=TRUE OUTPUT={outSample={name="audit_trace", replication=1}, varName="AuditLoss"} seed=55555;
4 
5RUN;
6 
2
Zweite Ausführung mit identischem Seed, um die binäre Identität der Ergebnisse zu validieren (Regressionsprüfung).
Kopiert!
1 
2PROC CAS;
3ecm.ecm / copulaSample={name="copula_audit"} marginals={{TABLE={name="marg_fat_tail"}, sampleVarName="val"}} tailStart=0.90 tailEDFAccuracy=1.0E-5 doExactFinalCount=TRUE OUTPUT={outSample={name="audit_trace_v2", replication=1}, varName="AuditLoss"} seed=55555;
4 
5RUN;
6 

Erwartetes Ergebnis


Beide Ausführungen müssen exakt identische Ergebnistabellen liefern (validierbar durch Hash-Vergleich), da 'seed=55555' fixiert ist. Die Parameter 'tailEDFAccuracy' und 'doExactFinalCount=TRUE' erzwingen eine hochpräzise Berechnung der extremen Verluste im oberen 10%-Bereich.