第 2 章/极值理论/2.2 区块最大值建模
课堂实验室
CHAPTER 02 / 2.2 区块最大值建模 / 2.2.2

广义极值分布(GEV)

位置、尺度与形状参数如何决定分布的类型、VaR 与 TVaR。

GEV(50, 10, 0.2)\mathrm{GEV}(50,\,10,\,0.2) · Fréchet 型(ξ>0\xi>0)

概率密度
密度 h(z)h(z)超过 VaR 的 1% 尾部
类型Fréchet
均值 E(Z)E(Z)58.211
标准差18.287
VaR0.99\mathrm{VaR}_{0.99}125.47
TVaR0.99\mathrm{TVaR}_{0.99}156.92

支持集:下端点 μ−θ/ξ=0\mu-\theta/\xi=0。ξ>0\xi>0 对应尾部指数 α=1/ξ=5\alpha=1/\xi=5;均值与方差都存在。

类型形状 ξ\xi支持集尾部特征常见的原始分布
Fréchet 型ξ>0\xi>0z>μ−θ/ξz>\mu-\theta/\xi重尾(幂律衰减)Pareto(含 Lomax)、Student t、Burr、Cauchy
Gumbel 型ξ=0\xi=0z∈Rz\in\mathbb{R}指数型尾部指数、正态、Gamma
Weibull 型ξ<0\xi<0z<μ−θ/ξz<\mu-\theta/\xi有上界(有限端点)均匀、Beta、三角分布
μ=0, θ=1\mu=0,\ \theta=1

三种类型(课件图)

密度 h(z)h(z)
Gumbel(ξ=0\xi=0)Fréchet(ξ=0.5\xi=0.5)Weibull(ξ=−0.5\xi=-0.5)当前 ξ=0.2\xi=0.2

VaR 的一个特例 zT=VaR1−1/Tz_T=\mathrm{VaR}_{1-1/T} 称为 TT 年一遇的重现水平,2.2.3 节专门讨论重现期与重现水平。

ξ>0\xi>0 时右尾按幂函数衰减:pp 越接近 1,VaRp\mathrm{VaR}_p 增长得越快,TVaR 与 VaR 的差距也越大;ξ≥1\xi\ge1 时 TVaR 不存在。
GEV 分布、VaR 与 TVaR展开阅读
H(z;μ,θ,ξ)=exp⁡{−[1+ξ(z−μθ)]−1/ξ},1+ξz−μθ>0H(z;\mu,\theta,\xi)=\exp\Big\{-\Big[1+\xi\Big(\frac{z-\mu}{\theta}\Big)\Big]^{-1/\xi}\Big\},\quad 1+\xi\frac{z-\mu}{\theta}>0
VaRp=μ+θξ[(−ln⁡p)−ξ−1],zT=VaR1−1/T\mathrm{VaR}_p=\mu+\frac{\theta}{\xi}\big[(-\ln p)^{-\xi}-1\big],\qquad z_T=\mathrm{VaR}_{1-1/T}
TVaRp=E[Z∣Z>VaRp]=11−p∫p1VaRu du\mathrm{TVaR}_p=E[Z\mid Z>\mathrm{VaR}_p]=\frac{1}{1-p}\int_p^1\mathrm{VaR}_u\,du

ξ=0\xi=0 时取极限 H(z)=exp⁡[−e−(z−μ)/θ]H(z)=\exp\big[-e^{-(z-\mu)/\theta}\big]。页面的 TVaR 按上面的积分数值计算(ξ≠0\xi\ne0 时化为不完全 Gamma 函数);ξ≥1\xi\ge1 时 GEV 的均值不存在,TVaR 也不存在。