在R中使用fitdistrplus包拟合SGT等分布的MLE：解决参数标准误差NaN及初始值选择问题

我在处理分布拟合和风险度量的研究时也遇到过类似的SGT拟合问题，结合你的场景给你一些具体的解决方案：

一、合理选择SGT分布的初始值 #

SGT分布的参数（mu, sigma, lambda, p, q）有明确的物理意义，初始值不能随意设定，否则很容易导致收敛失败或参数估计不稳定：

• mu和sigma：直接用样本的均值和标准差作为初始值最稳妥，这两个参数的含义和正态分布一致，样本统计量是天然的可靠起点。
• lambda：控制分布的偏度，取值范围是(-1,1)。你可以先计算样本偏度，若绝对值超过1就缩放到±0.99（避免触及边界），否则直接用样本偏度作为初始值。
• p和q：这两个形状参数控制尾部厚度和峰度，建议从更简单的嵌套分布入手获取参考值：
  1. 先拟合t分布，得到自由度估计值——t分布是SGT当lambda=0且p=q的特例，你可以把t分布的自由度直接作为p和q的初始值。
  2. 或者先拟合GT分布（SGT的对称版本，lambda=0），得到p和q的估计后，再加入lambda拟合完整的SGT分布。

针对你的样本数据，先处理格式问题（注意数据用逗号做小数点，需要转换）：

# 处理样本数据
raw_data <- c("0", "-1,008599424", "0,73180187", "0,443174024", "-0,351935172", "-1,318784086", "-2,171323799", "1,270243431", "-0,761354019", "0,417350946", "0,906432976", "-0,066736422", "-0,867085373", "-0,119914361", "-0,300989601", "0,482518259", "0,787365385", "-1,443105439", "-0,318546686", "-3,467674998", "1,041540157", "1,371281289", "-1,176752782", "-1,116893343", "-0,127522915", "-0,658070287", "1,098348016", "0,296391358", "-0,810635352", "-0,041779322", "0,353974233", "0,120090141", "0,304927119", "-1,22772592", "0,040768364", "1,182218724", "0,123136685", "-0,682709972", "-0,174093506", "-0,539704174", "0,579080595", "0,326346169", "0,205503526", "-0,771928642", "1,490828799", "0,734822712", "-0,025733101", "0,246531452", "-0,695585736", "-0,732413919", "0,806417952", "0,396105099", "0,024558388", "-0,791232528", "0,730410255", "-1,438890702", "0,668400286", "1,440996039", "0,731823553", "0,177515522", "0,740085418", "0,926248628", "-0,63516084", "-0,89996829", "1,655117371", "0,501033581", "0,06526534", "1,320866692", "-0,496350734", "-0,10157668", "0,022333393", "-1,236934596", "-1,070586427", "0,661662029", "0,871334714", "0,758891429", "0,064748766", "-0,305132153", "-0,424033661", "1,223444774", "-0,441840866", "-0,661390655", "-2,148399329", "0,843067435", "0,601099664", "-0,329590349", "0,210791225", "-0,341341769", "-0,555892395", "0,624026986", "0,218851965", "-0,015859171", "0,524283138", "-0,855634719", "0,339281481", "0,038507713", "-1,943784688", "0,315857689", "-0,368982834", "-1,111684011", "-0,2409217", "0,421815833", "-0,079319721", "0,915338199", "0,537387704", "-0,023004636", "-0,331854888", "0,702733882", "-1,084343115", "0,16901282", "0,559404916", "-0,538587484", "0,153683523", "-0,336562411", "-0,274946953", "0,862901957", "0,117407383", "1,205205829", "0,633347347", "0,058712615", "-0,083562948", "1,343190727", "1,281380185", "0,750972389", "-1,538678151", "0,228222073", "0,635385022", "0,037379479", "-0,491444798", "-1,220272752", "1,093162287", "1,499512169", "0,041394336", "-0,113330512", "0,657485999", "-0,264647978", "0,115056075", "-0,009763771", "0,454629881", "0,322398317", "0,347112494", "0,948127411", "0,461194301", "-0,407013048", "-0,469481931", "-0,536045151", "0,114726251", "0,396772868", "0,525885581")
R <- as.numeric(gsub(",", ".", raw_data))

# 计算样本统计量作为初始值
sample_mu <- mean(R)
sample_sigma <- sd(R)
sample_skew <- moments::skewness(R)  # 需要先安装moments包
lambda_init <- ifelse(abs(sample_skew) > 1, sign(sample_skew)*0.99, sample_skew)

# 先拟合t分布，获取p和q的初始参考
t_fit <- fitdistrplus::fitdist(R, "t", method = "mle")
t_df <- t_fit$estimate["df"]
p_init <- t_df
q_init <- t_df

SGTstart <- list(mu = sample_mu, sigma = sample_sigma, lambda = lambda_init, p = p_init, q = q_init)

二、解决p和q标准误差为NaN的问题 #

出现NaN标准误差通常是因为MLE收敛到参数空间边界、海森矩阵奇异或者样本量不足以支撑复杂参数的估计，可以通过以下方法解决：

1. 添加参数约束，使用带约束的优化方法 #

SGT的参数有明确的取值范围：mu无约束，sigma>0，-1<lambda<1，p>0，q>0。在fitdist中指定lower和upper参数，并使用支持约束的优化方法（比如L-BFGS-B）：

# 设置参数约束范围
lower_bounds <- c(mu = -Inf, sigma = 1e-6, lambda = -0.99, p = 1e-6, q = 1e-6)
upper_bounds <- c(mu = Inf, sigma = Inf, lambda = 0.99, p = Inf, q = Inf)

# 用带约束的优化方法拟合
SGTfit_R <- fitdistrplus::fitdist(
  data = R,
  distr = "sgt",
  method = "mle",
  start = SGTstart,
  lower = lower_bounds,
  upper = upper_bounds,
  optim.method = "L-BFGS-B"
)

summary(SGTfit_R)

2. 检查收敛性并补充估计 #

查看拟合结果的收敛码（SGTfit_R$convergence）：

• 若code=0表示收敛成功，此时如果仍有NaN标准误差，可能是样本量太小，考虑用bootstrap方法估计参数标准误差：

# 使用bootstrap估计参数标准误差
boot_SGT <- fitdistrplus::bootdist(SGTfit_R, niter = 1000)
summary(boot_SGT)

• 若code!=0，说明收敛失败，需要进一步调整初始值，比如把p和q的初始值设为更保守的范围（比如p=2, q=4），或者先固定部分参数（比如先固定lambda为样本偏度，拟合其他参数，再逐步放开）。

3. 简化模型验证 #

如果SGT的拟合始终不稳定，你可以先验证嵌套的简单分布（如GT、t分布）是否能很好拟合你的数据，再判断是否需要引入SGT的额外参数——毕竟复杂模型需要更多数据支撑，样本量较小时，简单分布的估计可能更可靠。

三、附加建议 #

• 确保数据预处理正确：你的收益率数据用逗号作为小数点，一定要转换为点格式，否则会被识别为字符型，导致拟合失败。
• 对比不同分布的拟合优度：用fitdistrplus的gofstat()函数对比所有候选分布的AIC、BIC等指标，判断SGT是否真的比其他分布更适合你的数据。

内容的提问来源于stack exchange，提问作者Enjo Faes