Skip to content

GRA · Risiko Aktuaria dan Kuantitatif

Keuangan spasialTempat modal bertemu bahaya, keterpaparan, dan transisi

Extreme value theory and tail risk for actuarial and quantitative risk

Extreme value theory models the tails of loss and hazard distributions. On this platform it supports large-loss pricing, catastrophe hazard, risiko operasional and capital at high confidence levels, with threshold choice and uncertainty made explicit.

Ajukan pertanyaan Back to STEM foundation of Actuarial and Quantitative Risk
01Daftar isi

Extreme value theory and tail risk for actuarial and quantitative risk in five parts.

Protokol5 langkah
  1. 01PermohonanWhat extreme value theory and tail risk does here
  2. 02DataApa yang digunakan metode ini
  3. 03ValidasiCara hasil diperiksa
  4. 04KeterkaitanTopik yang bertumpu pada metode ini
  5. 05PengelolaanSiapa yang memelihara metode ini
02Permohonan

What extreme value theory and tail risk does here.

Extreme value theory and risiko ekor study the behaviour of rare, high-impact events. They provide methods to estimate the magnitude and frequency of extremes beyond the range of observed data. In insurance and catastrophe, methods and modelling and capital markets and investment, extreme value methods set design levels and capital buffers for rare events. Tail dependence analysis reveals when extremes in different Sistem tend to occur together. The canonical description is on STEM Commons.

Excess layer pricing

Losses above a threshold are fitted with a generalised Pareto distribution to price excess-of-loss layers, showing how threshold choice moves the price.

Non-stationary hazard extremes

Covariates such as time or climate indices are added to extreme value models to test whether tails are changing over time.

03Keuangan spasial

Eksposur, bahaya, dan kurva pelampauan.

Tempat mana yang mendorong kerugian pada tahun yang parah, dan seberapa jauh kerugian itu menjangkau reasuransi. Nilai rancangan ilustratif.

Keterpaparan pesisir di zona siklon dan gempa bumi, di samping kurva kerugian yang dihasilkannya.Nilai rancangan ilustratif, bukan keluaran model atau harga.
04Data

Apa yang digunakan metode ini.

Datasets and records used by extreme value theory and risiko ekor on this platform, with the role each plays and the label its values carry. Sources are listed in register sumber.

DataPeranLabel
Large-loss historiesTail fittingTERAMATI
Hazard maximaHazard tailsTERAMATI
Simulated event setsTail extensionDIMODELKAN
05Pantau

Tail fit.

Layar yang akan digunakan sebuah tim untuk mengikuti metode ini: ukuran, status, dan keputusannya. Nama adalah contoh dan nilai bersifat ilustratif.

Tail fit

Actuarial and quantitative risk · Extreme value theory and tail risk · Run R-3811

Shape parameter uncertainGRA · Actuarial and Quantitative Risk

Return level curve

Kartu metode

Metode
Teori nilai ekstrem dan risiko ekor
Pendekatan
peaks over threshold
Threshold
96th percentile
Label
DIMODELKAN

Parameter

generalised Pareto fit

Shape ξ0.18−0.020.45heavy tail if above zero
Scale σ2.10.96.0units of the variable
Exceedances123declustered
Tail fit: the screen’s structure, terms and states for Actuarial and quantitative risk.Nama contoh dan nilai ilustratif; sebuah rancangan, bukan catatan atau sistem yang aktif.
06Validasi

Cara hasil diperiksa.

Fits are checked with diagnostic plots, goodness-of-fit tests and out-of-sample comparison. Sensitivity to threshold and record length is reported.

PemeriksaanCara pelaksanaannya
Threshold stabilityParameters are checked across thresholds
Interval reportingConfidence intervals accompany return levels
Stationarity testsTrends are tested before stationary fits are used

Extrapolation far beyond the data is highly uncertain. Changing climates and markets violate stationarity assumptions.

07Model kerugian

Pelampauan kerugian, kerugian tahunan rata-rata, dan kerugian maksimum yang mungkin.

Kerugian yang dapat diperkirakan per tahun oleh portofolio di wilayah terdampak, serta pada tingkat 1 dalam 100 dan 1 dalam 250 tahun yang dihargai perusahaan asuransi dan pemberi pinjaman, dari tiga blok yang sama yang digunakan setiap model katastrofe uses. Teaching model with stated illustrative values, not a prediction. The map on this page shows Japan and Korea; the model itself is not tied to a place.

Kendali

Intensitas bahaya tahunan tipikal (lokasi)
Indeks intensitas 1.00
Sebaran nilai ekstrem (skala)
Indeks intensitas 0.80
Intensitas saat separuh nilai hilang
Indeks intensitas 4.00
Sebaran kerentanan
0.55
Porsi nilai dalam jejak bahaya
40%
Standar perlindungan (periode ulang)
50 tahun

Pembacaan

Rata-rata kerugian tahunan
0,51% dari nilai
Kerugian pada 1 dalam 100 tahun
24,5% dari nilai
Kerugian pada 1 dalam 250 tahun
28,4% dari nilai
Intensitas pada 1 dalam 100 tahun
Indeks intensitas 4.68
Angka, metode, dan sumber
Periode ulang (tahun)Intensitas (indeks intensitas)Kerugian (% dari nilai)
10.090.00
21.270.00
41.910.00
72.470.00
133.000.00
243.510.00
444.020.00
824.5323.55
1545.0326.44
2875.5328.87
5366.0330.88
1,0006.5332.53

Metode

  1. Bahaya nilai ekstrem Gumbel Gumbel (1958), Statistics of Extremes, Columbia University Press
  2. Kerapuhan lognormal (kerentanan) FEMA (2003), HAZUS-MH Technical Manual
  3. Kurva probabilitas eksedensi dan rata-rata kerugian tahunan Grossi and Kunreuther (2005), Catastrophe Modeling, Springer
  4. Efek tanggul Di Baldassarre dan lainnya (2013), Socio-hydrology, HESS 17
  5. Kipas ketidakpastian (Monte Carlo parametrik) Spiegelhalter, Pearson dan Short (2011), Memvisualisasikan ketidakpastian tentang masa depan, Science 333
  6. Sensitivitas satu per satu (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley

Data

The model runs on the teaching values set by the controls. To calibrate it for a place, read it against these admitted layers and series, which this page’s map can draw:

  • Sungai Natural Earth
  • Luasan perkotaan Natural Earth
  • Kota Natural Earth
  • Gempa bumi M4.5+, pekan lalu (USGS) U.S. Geological Survey · register usgs.earthquake.summary-feeds
  • Laju hujan, setengah jam terakhir (IMERG) NASA GPM IMERG Early · register nasa.gibs.context-live-layers
  • Prakiraan debit sungai, 30 hari dengan rentang (GloFAS melalui Open-Meteo) Open-Meteo.com (CC BY 4.0), Copernicus GloFAS · register open-meteo.public-pages
  • Cakupan lahan terbangun dan permukiman, 2010 (HBASE, Landsat) CIESIN/Columbia, NASA SEDAC HBASE · register sedac.context-urban-layers
Kurva eksedensi kerugian, rata-rata kerugian tahunan, dan kerugian maksimum yang mungkin terjadi. Model pengajaran ilustratif: model ini berjalan pada nilai yang ditetapkan oleh kontrol, bukan pada data terukur. Metode: bahaya nilai ekstrem Gumbel (Gumbel (1958), Statistics of Extremes, Columbia University Press); fungsi kerentanan lognormal (FEMA (2003), HAZUS-MH Technical Manual); kurva peluang eksedensi dan rata-rata kerugian tahunan (Grossi dan Kunreuther (2005), Catastrophe Modeling, Springer).

Di seluruh enam pilar, dipimpin oleh Nexus Consortium

08Keterkaitan

Topik yang bertumpu pada metode ini.

09Simulator kembaran dan efek berantai

Trace a shock to the balance sheet.

Disusun dari profil bidang Nexus Standards profil area Asuransi dan reasuransi: guncangan yang disebutkannya, Sistem dan sektor yang menanggung kerugian, kontrol yang meredamnya, dan data yang mengamatinya. Pilih guncangan pemicu dan telusuri efek berantainya langkah demi langkah untuk melihat eksposur mana yang dicapainya dan di mana kerugian dapat terkonsentrasi. Tampilan Peta menempatkan simulasi pada geografi contoh dengan data terbuka. Setiap bobot adalah asumsi yang dinyatakan. Sebuah latihan, bukan proyeksi, valuasi, peringkat, atau saran investasi. Untuk memodelkan tempat pilihan Anda sendiri, buka System Builder.

Bahaya

  • Siklon tropis
  • Gempa bumi
  • Banjir akibat sumbatan es
  • Kebakaran hutan dan lahan
  • Gelombang badai (dipicu di hilir)
  • Curah hujan lebat (dipicu di hilir)
  • Banjir sungai (dipicu di hilir)
  • Banjir bandang (dipicu di hilir)
  • Gelombang berbahaya (dipicu di hilir)
  • Pemadaman listrik meluas (dipicu di hilir)
  • Pengungsian massal (dipicu di hilir)
  • Banjir pesisir (dipicu di hilir)
  • Rangkaian gempa susulan (dipicu di hilir)
  • Pecahnya permukaan sesar (dipicu di hilir)
  • Likuefaksi tanah (dipicu di hilir)
  • Longsor lereng (dipicu di hilir)
  • Longsoran batu (dipicu di hilir)
  • Tsunami (dipicu di hilir)

Kendali

  • NS-0 Anggaran dasar dan prinsip
  • NS-3 UNI catatan risiko (tata bahasa, pemetaan ke sistem lama, kewenangan alokasi)
  • NS-9 UNI kontekstual (penerapan, instans, instans program)
  • NS-10 Kebijakan dan klausul (kewajiban yang dapat dibaca mesin: definisi, pengikatan, evaluasi, dan penegakan)
  • NS-11 Verifikasi dan pemantauan (bukti, atestasi, pengamatan kesesuaian zero trust)
  • NS-14 Kesesuaian dan pemetaan silang ke standar eksternal
  • NRS-F3 Asuransi, risiko katastrofe, dan kesenjangan perlindungan
  • NRS-H113 Keluarga bahaya: Kerapuhan sistem keuangan (NHS-1 soc.financial-system)
  • NRS-U17 Semesta : Insurance Nexus
  • NRS-H71 Keluarga bahaya: Bencana zaman purba dan kosmik (NHS-1 planet.deep-time)
  • NRS-H65 Keluarga bahaya: Pelampauan batas planet (NHS-1 planet.boundary)
  • NRS-F8 Transfer risiko parametrik dan berbasis indeks

Pengamatan

  • OECD Data Explorer (termasuk Creditor Reporting System, statistik asuransi dan pensiun) (dicantumkan sebagai rujukan)
  • Statistik asuransi (dicantumkan sebagai rujukan)
  • Umpan ringkasan GeoJSON gempa bumi USGS (dicantumkan sebagai rujukan)
  • Kerugian ekonomi langsung akibat bencana dibandingkan dengan produk domestik bruto (PDB) global
  • Kerugian ekonomi langsung akibat bencana dibandingkan dengan produk domestik bruto global
  • (a) Jumlah kantor cabang bank umum per 100.000 orang dewasa dan (b) jumlah anjungan tunai mandiri (ATM) per 100.000 orang dewasa

Contoh geografi

  • Eropa Barat: 152 sel heksagonal
  • Laju hujan, setengah jam terakhir (IMERG), NASA GIBS
  • Cahaya malam hari ini, pemadaman (VIIRS Day/Night Band), NASA GIBS
  • Air permukaan menembus awan, 30 m (radar OPERA DSWx-S1), NASA GIBS
  • Karbon monoksida, sebaran asap (AIRS), NASA GIBS
10Pengelolaan

Siapa yang memelihara metode ini.

Reasuransi dan Katastrofe stewards extreme value theory and risiko ekor for the Consortium and reviews how it is applied across platforms.

Canonical page: Extreme value theory and tail risk

11Eksposur, kerugian, dan modal

What it means for exposure, loss and capital.

Tampilan eksposur, kerugian, skenario, dan modal yang akan diminta oleh pejabat risiko, otoritas pengawas, atau kementerian keuangan, beserta kerangka pelaporan yang mereka gunakan. Strukturnya mengikuti praktik pengawasan dan aktuaria. Nilai bersifat ilustratif: tidak pernah merupakan harga, peringkat, atau saran.

Eksposur dan kerugian pada periode ulang

How losses from extreme value theory and tail risk for actuarial and quantitative risk grow with severity, gross and net of reinsurance, against capital.

1 dalam 10 tahun1 dalam 50 tahun1 dalam 100 tahun1 dalam 250 tahunbrutoneto setelah reasuransi800
Periode ulangProbabilitas tahunanKerugian brutoKerugian netoNeto, modal = 100
1 dalam 10 tahun0.10141010
1 dalam 50 tahun0.02332121
1 dalam 100 tahun0.01462727
1 dalam 250 tahun0.004683939
Rata-rata kerugian tahunan3.12.22.2
Indeks kerugian ilustratif untuk portofolio contoh (modal = 100): bentuk probabilitas pelampauan yang dibaca perusahaan asuransi dan pengawas. Bukan data tentang lembaga mana pun, bukan harga atau peringkat.
Skenario iklim NGFS · Network for Greening the Financial SystemIFRS S2 Pengungkapan terkait Iklim · ISSBRekomendasi TCFD · Financial Stability Board TCFDPrinsip-prinsip pengelolaan efektif risiko keuangan terkait iklim · Basel Committee on Banking Supervision
12Terhubung

Ke mana halaman ini mengarah di seluruh Konsorsium.

13Pertanyaan

Tanya jawab.

What are the limits of extreme value theory and tail risk in this field?
Extrapolation far beyond the data is highly uncertain. Changing climates and markets violate stationarity assumptions.
Bagaimana hasil diperiksa?
Fits are checked with diagnostic plots, goodness-of-fit tests and out-of-sample comparison. Sensitivity to threshold and record length is reported.
Apakah nilai di halaman ini nyata?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Di mana lagi metode ini diterapkan?
Observatory Halaman metode kanonis mencantumkan setiap platform yang menerapkannya.
LaporanBerkontribusi

Kontribusikan bukti dari halaman ini.

Laporan is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.

Global Risks AllianceRisiko Aktuaria dan KuantitatifMetode dan TeknisKesiapan Pembiayaan dan Asuransi

Jangan pernah mengirim data pribadi, rincian infrastruktur sensitif, atau apa pun yang tidak berhak Anda bagikan. Kontribusi ditinjau sebelum digunakan. Mengirimkannya tidak memberikan hak kepenulisan atau editorial, dan sponsor tidak pernah membeli sebuah temuan.

Risiko Aktuaria dan Kuantitatif

Ajukan pertanyaan eksposur atau modal kepada Aliansi.

Informasi dan pertanyaan sudah terbuka hari ini. Sebuah pertanyaan menerima nomor referensi dan menyebutkan langkah berikutnya; lamaran, pembayaran, alokasi komputasi, dan pendaftaran hanya dibuka ketika tim, ketentuan, dan kapasitas tinjauannya tersedia.

Usulkan uji coba kesiapan Lihat semua jalur kontak
Hukum

Peta, data, dan gambar di situs ini ditampilkan untuk konteks dan informasi umum. Semua itu bukan nasihat, prakiraan, atau peringatan; batasan informasinya dijelaskan dalam Penafian dan Pemberitahuan Data.