Extreme values modelling

什么是極值

在極值統(tǒng)計(jì)的研究中颁股,首先是建立一個極值的數(shù)學(xué)模型斧账,如果觀測數(shù)據(jù)服從已知的分布(稱之為底分布)就可以得到最大值與最小值的精確模型。

大多數(shù)情況寇钉,觀測數(shù)據(jù)服從的分布是未知的搏恤,因此违寿,就只能夠得到極值的漸進(jìn)分布。在應(yīng)用中挑社,這就要求數(shù)據(jù)有比較大的規(guī)模陨界,而且實(shí)際證明,在大多數(shù)情況之下極值的漸進(jìn)分布提供了一個簡單痛阻,滿意的模型。

極值統(tǒng)計(jì)理論就是為觀測到的基于某個樣本量的極值建立一個概率模型腮敌,但是需要具備一定的條件:

  • 觀測對象是隨機(jī)變量
  • 隨機(jī)變量的底分布應(yīng)該是不變的
  • 觀測到的極值是獨(dú)立的

極值統(tǒng)計(jì)分析與一般統(tǒng)計(jì)的差別主要在于數(shù)據(jù)的收集阱当。首先要收集到有資格被稱為極值的觀測數(shù)據(jù),滿足三個條件糜工,并且有一定的規(guī)模弊添。

不同的模型對數(shù)據(jù)有不同的要求:

  1. 對于極值的經(jīng)典模型而言,即規(guī)范化樣本最大值的漸進(jìn)分布模型捌木,只有“區(qū)組最大值”才能作為極值觀測數(shù)據(jù)(什么意思)油坝。
  2. r個次序統(tǒng)計(jì)量模型里面對于區(qū)組內(nèi)的r個最大值都作為極值的觀測數(shù)據(jù)
  3. 對于平穩(wěn)時間序列,只有超過閾值的峰(POT)可以作為極值的觀測數(shù)據(jù)

對于閾值模型如何確定閾值是比較難的問題刨裆,類似于在r個最大次序統(tǒng)計(jì)量模型中澈圈,如何確定r。對于點(diǎn)過程模型帆啃,如何確定遠(yuǎn)離原點(diǎn)的區(qū)域瞬女,選取閾值是否合適,關(guān)系到極值理論應(yīng)用的成敗努潘。

極值理論的應(yīng)用

  1. 風(fēng)險(xiǎn)管理中的風(fēng)險(xiǎn)測量诽偷。Var模型(Value at Risk)
    但是Var模型有一個缺陷坤学,其不具有次可加性,就是說證劵組合的損失不一定超過各個證劵損失的和报慕。于是提出了帶有條件的Var模型(Conditional Value at Risk)
  2. 保險(xiǎn)業(yè)
  3. 自然遭害的預(yù)測

選擇恰當(dāng)?shù)臉O值模型深浮,統(tǒng)計(jì)方法在處理極值問題就非常重要:

  1. 估計(jì)方法,就是用數(shù)據(jù)去估計(jì)模型的未知參數(shù)眠冈。頻率直方圖用于估計(jì)密度略号,概率圖用于你和分布,極大似然估計(jì)洋闽,據(jù)估計(jì)玄柠,貝葉斯估計(jì)
  2. 不確定性的定量表示。估計(jì)模型的時候必須考慮樣本的變異性引起的模型的不確定性诫舅,比如模型參數(shù)的方差
  3. 模型診斷 需要評價(jià)這個模型對于數(shù)據(jù)擬合的好壞情況
  4. 信息的極大使用 盡可能的充分使用所有信息羽利。

一元極值理論

極值的基本理論,包括由

  1. 經(jīng)典的極值理論導(dǎo)出的極值分布
    2.由閾值模型導(dǎo)出的廣義Pareto分布刊懈,穩(wěn)定分布这弧,后尾分布,次指數(shù)分布以及與極值相關(guān)的分布
  2. Fisher-Tippett 的極值類型定理是極值分布漸進(jìn)原理的基礎(chǔ)
  3. 規(guī)范化最大值的極限分布形式虚汛,極值分布的最大值吸引場匾浪,規(guī)范化常熟的計(jì)算公式(norming constants)

理論我寫不下去了??

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市卷哩,隨后出現(xiàn)的幾起案子蛋辈,更是在濱河造成了極大的恐慌,老刑警劉巖将谊,帶你破解...
    沈念sama閱讀 222,464評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件冷溶,死亡現(xiàn)場離奇詭異,居然都是意外死亡尊浓,警方通過查閱死者的電腦和手機(jī)逞频,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,033評論 3 399
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來栋齿,“玉大人苗胀,你說我怎么就攤上這事⊥叨拢” “怎么了基协?”我有些...
    開封第一講書人閱讀 169,078評論 0 362
  • 文/不壞的土叔 我叫張陵,是天一觀的道長谷丸。 經(jīng)常有香客問我堡掏,道長,這世上最難降的妖魔是什么刨疼? 我笑而不...
    開封第一講書人閱讀 59,979評論 1 299
  • 正文 為了忘掉前任泉唁,我火速辦了婚禮鹅龄,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘亭畜。我一直安慰自己扮休,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,001評論 6 398
  • 文/花漫 我一把揭開白布拴鸵。 她就那樣靜靜地躺著玷坠,像睡著了一般。 火紅的嫁衣襯著肌膚如雪劲藐。 梳的紋絲不亂的頭發(fā)上八堡,一...
    開封第一講書人閱讀 52,584評論 1 312
  • 那天,我揣著相機(jī)與錄音聘芜,去河邊找鬼兄渺。 笑死,一個胖子當(dāng)著我的面吹牛汰现,可吹牛的內(nèi)容都是我干的挂谍。 我是一名探鬼主播,決...
    沈念sama閱讀 41,085評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼瞎饲,長吁一口氣:“原來是場噩夢啊……” “哼口叙!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起嗅战,我...
    開封第一講書人閱讀 40,023評論 0 277
  • 序言:老撾萬榮一對情侶失蹤妄田,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后仗哨,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體形庭,經(jīng)...
    沈念sama閱讀 46,555評論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,626評論 3 342
  • 正文 我和宋清朗相戀三年厌漂,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片斟珊。...
    茶點(diǎn)故事閱讀 40,769評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡苇倡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出囤踩,到底是詐尸還是另有隱情旨椒,我是刑警寧澤,帶...
    沈念sama閱讀 36,439評論 5 351
  • 正文 年R本政府宣布堵漱,位于F島的核電站综慎,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏勤庐。R本人自食惡果不足惜示惊,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,115評論 3 335
  • 文/蒙蒙 一好港、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧米罚,春花似錦钧汹、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,601評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至隘竭,卻和暖如春塘秦,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背动看。 一陣腳步聲響...
    開封第一講書人閱讀 33,702評論 1 274
  • 我被黑心中介騙來泰國打工尊剔, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人弧圆。 一個月前我還...
    沈念sama閱讀 49,191評論 3 378
  • 正文 我出身青樓赋兵,卻偏偏與公主長得像,于是被迫代替她去往敵國和親搔预。 傳聞我的和親對象是個殘疾皇子霹期,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,781評論 2 361

推薦閱讀更多精彩內(nèi)容

  • 極端值建模和估算是各種應(yīng)用領(lǐng)域的重要挑戰(zhàn),例如環(huán)境拯田,水文历造,金融,精算科學(xué)船庇。 樣本的極端部分可能非常重要吭产。也就是說,...
    Liam_ml閱讀 672評論 0 0
  • 以西瓜書為主線鸭轮,以其他書籍作為參考進(jìn)行補(bǔ)充臣淤,例如《統(tǒng)計(jì)學(xué)習(xí)方法》,《PRML》等 第一章 緒論 1.2 基本術(shù)語 ...
    danielAck閱讀 4,535評論 0 6
  • 現(xiàn)在VaR(Value at Risk)及極值理論已經(jīng)成為主流方法窃爷,VaR是一種能全面測量復(fù)雜證券組合的市場風(fēng)險(xiǎn)的...
    無思不曉閱讀 3,216評論 0 2
  • 接觸機(jī)器學(xué)習(xí)時間也不短了, 趁國慶放假, 做一下深度整理. 1. 大綱 若想在企業(yè)勝任算法相關(guān)崗位知識, 除了掌握...
    婉妃閱讀 3,415評論 2 92
  • 概率論與數(shù)理統(tǒng)計(jì) 無窮小階數(shù) 無窮小量表述:線性逼近 相當(dāng)于利用切線和斜率來理解誤差和逼近邑蒋。 泰勒級數(shù):線性逼近 ...
    Babus閱讀 811評論 0 1