Está en la página 1de 13

EVT

Catalina
Bolancé
Teorı́a del Valor Extremo
Análisis de la
severidad
Gestión Cuantitativa de Riesgos
Construcció
del model
Naturaleza dels
models
Tècniques para el Catalina Bolancé
umbral
Técnicas de
modelitzación
Departament d’Econometria, Estadı́stica i Economia Aplicada
Riskcenter-Universitat de Barcelona
La teoria de los valores extremos: EVT

EVT

Catalina
Fisher-Tippett Theorem (1928)
Bolancé
Sea (X1 . . . Xn ) y Mn = max {X1 . . . Xn }. Si existen (an , bn ) y
Análisis de la
severidad
F , tales que
Construcció
M n − bn
 
≤ x → F (x ), as n → ∞
del model
Naturaleza dels
P
models an
Tècniques para el
umbral
Técnicas de
modelitzación entonces F pertenece a la familia generalized extreme value.

Pickands−Balkema−de Haan theorem (1974)


Sea F una cdf y Fu los excesos entonces

Fu (y ) → GPD (ξ, ψ)(y ), as u→∞

donde GPD es la generalized Pareto distribution.


Un poco más de la GPD

EVT

Catalina
Bolancé

Análisis de la
La función de distribución está definida para ψ > 0 y ξ ∈ R
severidad como
Construcció
del model
Naturaleza dels
f (x; ξ, ψ) = 1 − (1 + ξx /ψ)−1/ξ , if ξ 6= 0
models
Tècniques para el
= 1 − exp(−x /ψ), if ξ = 0,
umbral
Técnicas de
modelitzación

The natural classification of the tails


Heavy-tail (ξ > 0), exponential-tail (ξ = 0)
and light-tail (ξ < 0)
Volvemos al concepto of distribución de la cola

EVT
Sea F (x ) (f (x ) = F 0 (x )) la cdf (pdf) de una v.a. no-negativa.
Catalina
Bolancé La pdf y cdf de los excesos en u > 0 estan definidos por x > 0
Análisis de la
como
severidad

Construcció F̄ (x + u )
del model fu (x ) = f (x + u ) /(1 − F (u )), F̄u (x ) = .
Naturaleza dels F̄ (u )
models
Tècniques para el
umbral Histograma of original data
250

Técnicas de
modelitzación
200

Pickands−Balkema−de Haan (1974)


150
Frequency

100

Fu (y ) → G (y ; ξ, ψ), as u→∞
50
0

0 20 40 60 80 100

example data

GPD (x; ξ, ψ) = 1 − (1 + ξx /ψ)−1/ξ , if ξ 6= 0


= 1 − exp(−x /ψ), if ξ = 0,
Volvemos al concepto of distribución de la cola

EVT
Sea F (x ) (f (x ) = F 0 (x )) la cdf (pdf) de una v.a. no-negativa.
Catalina
Bolancé La pdf y cdf de los excesos en u > 0 estan definidos por x > 0
Análisis de la
como
severidad

Construcció F̄ (x + u )
del model fu (x ) = f (x + u ) /(1 − F (u )), F̄u (x ) = .
Naturaleza dels F̄ (u )
models
Tècniques para el
umbral Histograma of truncated data
250

Técnicas de
modelitzación
200

Pickands−Balkema−de Haan (1974)


150
Frequency

100

Fu (y ) → G (y ; ξ, ψ), as u→∞
50
0

0 20 40 60 80 100

example data

GPD (x; ξ, ψ) = 1 − (1 + ξx /ψ)−1/ξ , if ξ 6= 0


= 1 − exp(−x /ψ), if ξ = 0,
Volvemos al concepto of distribución de la cola

EVT
Sea F (x ) (f (x ) = F 0 (x )) la cdf (pdf) de una v.a. no-negativa.
Catalina
Bolancé La pdf y cdf de los excesos en u > 0 estan definidos por x > 0
Análisis de la
como
severidad

Construcció F̄ (x + u )
del model fu (x ) = f (x + u ) /(1 − F (u )), F̄u (x ) = .
Naturaleza dels F̄ (u )
models
Tècniques para el
umbral Histograma of truncated data

Técnicas de
30

modelitzación
25

Pickands−Balkema−de Haan (1974)


20
Frequency

15

Fu (y ) → G (y ; ξ, ψ), as u→∞
10
5
0

0 20 40 60 80 100

example data

GPD (x; ξ, ψ) = 1 − (1 + ξx /ψ)−1/ξ , if ξ 6= 0


= 1 − exp(−x /ψ), if ξ = 0,
Volvemos al concepto of distribución de la cola

EVT
Sea F (x ) (f (x ) = F 0 (x )) la cdf (pdf) de una v.a. no-negativa.
Catalina
Bolancé La pdf y cdf de los excesos en u > 0 estan definidos por x > 0
Análisis de la
como
severidad

Construcció F̄ (x + u )
del model fu (x ) = f (x + u ) /(1 − F (u )), F̄u (x ) = .
Naturaleza dels F̄ (u )
models
Tècniques para el
umbral Histograma of truncated data

Técnicas de
30

modelitzación
25

Pickands−Balkema−de Haan (1974)


20
Frequency

15

Fu (y ) → G (y ; ξ, ψ), as u→∞
10
5
0

0 20 40 60 80

example data

GPD (x; ξ, ψ) = 1 − (1 + ξx /ψ)−1/ξ , if ξ 6= 0


= 1 − exp(−x /ψ), if ξ = 0,
Análisis del dominio de atracción

EVT
Hill method. Si x(1) , ..., x(n) son los estadı́sticos de orden. El
Catalina
Bolancé
Hill estimador es

Análisis de la 1 i x(j )
severidad
Hill
ξ̂ i,n = ∑ ln
i j =1 x(i )
, 2 ≤ i ≤ n.
Construcció
del model
Naturaleza dels
models
Tècniques para el Threshold
umbral 29.00 5.40 3.45 2.60 2.10 1.81 1.62 1.45 1.29 1.16 1.05

Técnicas de
modelitzación
0.9
0.8
0.7
xi (CI, p =0.95)

0.6
0.5
0.4
0.3

15 165 334 503 672 841 1028 1234 1440 1646 1852 2058

Order Statistics
Análisis del dominio de atracción

EVT

Catalina
Mean-excess method. Basado en la propiedad
Bolancé
ψ + uξ
Análisis de la meX (u ) = E (X − u |X > u ) =
severidad 1−ξ
Construcció
del model
Naturaleza dels
models
Tècniques para el

120

umbral
Técnicas de 100

modelitzación ●
80


Mean Excess


60



● ●


● ●

40




●●
●●
●●
●● ●
●●●

●●


●●




20



● ●●
●●
●●
●●●
●●


●●
●●●


●●
●●

●●
●●
●●
●●

●●
●●●
●●



●●
●●


●●

●●


●●





●●


●●




●●


●●


●●




●●
0

0 10 20 30 40 50 60

Threshold
Análisis del dominio de atracción

EVT

Catalina
Bolancé
CV-plot CV-plot is defined by
Análisis de la
severidad  
Construcció
Let x(1) , . . . , x(n) sample
del model
Naturaleza dels
models
Tècniques para el
{ ( i, cv ( x(j ) − x(i ) | j > i ) )}i =1,...,n
umbral
Técnicas de
modelitzación
Remark that, the cv-plot of a GPD sample is constant. Then it
is an alternative tool to search the optimal threshold.

Other alternative tool is to plot the MLE of tail index for each
order statistic using Pareto model, can be denoted by ML-plot.
Umbral óptimo

EVT

Catalina
Bolancé

Análisis de la
severidad

Construcció
del model Hill-plot.
Naturaleza dels
models
Tècniques para el
ME-plot.
umbral
Técnicas de
modelitzación
CV-plot.
Buscar áreas estables en los gráficos.
Peaks over threshold methodology

EVT

Catalina
Bolancé

Análisis de la
severidad

Construcció
Main
del model
Naturaleza dels Optimal threshold, u
models
Tail index,ξ
Tècniques para el
umbral Tools
Técnicas de
modelitzación Non-param.:
Hill, ME, CV
Parametric:
EXP, GPD
Peaks over threshold methodology

EVT

Catalina
Bolancé

Análisis de la
severidad

Construcció
Main
del model
Naturaleza dels Optimal threshold, u
models
Tail index,ξ
Tècniques para el
umbral Tools
Técnicas de
modelitzación Non-param.:
Hill, ME, CV
Parametric:
EXP, GPD

También podría gustarte