1 广义帕累托分布对超额分布的估计:
超过阈值u的超额分布:
均值超额分布:
为什么广义帕累托分布能拟合超额分布:
广义帕累托分布:
分布特征:
,且当
举个例子:
2 如何利用广义帕累托分布实证:
1)模型假设:
2)极大似然估计参数:
3)非独立同分布数据如何操作:当 极值指数<1时,显然违背了独立假定,一般的做法时忽略这点,此时的极大似然估计称为拟极大似然(QML)方法,由此估计的分布,虽然估计标准误较小,但是点估计值依旧可靠
4)如何选取阈值:
高阈值超越量的引理:
样本均值超额图:
2 尾部风险建模与尾部风险度量:
1)基于GPD模型的尾部估计:
尾部概率的推导:
关于分位数的一些性质:
并且有:
如何实证:
注:关于本节有两个问题,即如何给出VaR与的置信区间
2)Hill模型:
Frechet情况下的尾部指数:
其中是一个正的参数,的估计方法可由下式得出:
由此可以得到Hill估计量的标准形式:
即可以在Hill图中选取一个稳定的区域,寻找的估计量,以书上例图为例:
在估计完尾部指数后,可以得到一个Hill尾部估计量的标准形式:
其中进行的处理是:将视为一个常数,对于高阈值,用,且,其中
重写该公式靠近基于GDP的尾部估计:
但是这个模型是有缺陷的,少了一个参数,模型运作可能会产生一些问题
3)基于不同阈值u(或者说分位数k)的GPD与Hill方法的比较(蒙特卡罗实验):
金融时间序列的条件极值分布: