Skip to content

GRA · Risiko Aktuaria dan Kuantitatif

Keuangan spasialTempat modal bertemu bahaya, keterpaparan, dan transisi

Metode nilai ekstrem

Extreme value theory gives a statistical basis for estimating the size and frequency of losses and hazards beyond what the record shows. It is used for large-loss pricing, catastrophe hazard, operational risk and capital at high confidence levels. Results depend on thresholds, sample size and whether conditions are stable. This page sets out how extreme value methods work, where they fail, the data they need and who relies on them.

01Kanvas

Bagaimana pekerjaan berjalan.

Sistem · di sekitar subjek iniIlustratif
Reserving workbench: the screen’s structure, terms and states for Extreme value methods.Example names and illustrative values; a design, not a record or a live system.

Gbr.Meja kerja pencadangan: nama contoh dan nilai ilustratif, bukan catatan atau sistem yang berjalan.

02Pertanyaannya

Extreme value methods: how the risk develops.

Tail estimation for hazards, markets and operational losses. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.

Mekanisme

Ekor mengikuti hukum pembatas

Under broad conditions, block maxima follow a generalised extreme value distribution and exceedances over a high threshold follow a generalised Pareto distribution.

Mekanisme

Ambang batas menukar bias dengan varians

Ambang batas yang tinggi menghormati teori tetapi menyisakan sedikit titik data; ambang batas yang rendah menambah data tetapi juga bias. Hasil bergeser sesuai pilihan tersebut.

Mekanisme

Short records widen intervals

Estimating a rare return period from a short record gives wide confidence intervals that are often left unreported.

Mekanisme

Non-stationarity breaks assumptions

If climate, exposure or claims practice change, past extremes may not represent future ones, and stationary fits mislead.

03Eksposur, kerugian, dan modal

Apa arti metode nilai ekstrem bagi keterpaparan, kerugian, dan modal.

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 methods 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
04Indikator

Apa yang diukur, dan seberapa baik.

Setiap indikator membawa satuan, frekuensi, jenis sumber di baliknya, dan label bukti yang akan dibawa suatu nilai. Tidak ada nilai yang ditampilkan: sebuah program menyediakannya berdasarkan wewenangnya sendiri.

IndikatorUnitKadensiJenis sumberLabel
Shape parameter of the tailtanpa dimensiper analisisFitted extreme value modelsDIMODELKAN
Tingkat balik pada periode ulangcurrency or hazard unitper analisisFitted modelsDIMODELKAN
Confidence interval width for return levelcurrency or hazard unitper analisisBootstrap or profile likelihoodDIMODELKAN
Exceedances above thresholdjumlahper analisisDataTERAMATI
Panjang rekamantahunper set dataDataTERAMATI
Trend in annual maximaperubahan per dekadeper analisisNon-stationary fitsESTIMASI
05Sumber

Asal bukti.

Set data publik bernama dan catatan kelembagaan, masing-masing dengan kelas lisensinya. Sumber berdasarkan perjanjian hanya digunakan sesuai ketentuannya dan tidak pernah diterbitkan ulang.

SumberApa yang diberikannyaKelas lisensi
Coles, An Introduction to Statistical Modeling of Extreme ValuesStandard reference text on extreme value methodsProprietary, published book
Paket R extRemes dan evdAlat nilai ekstrem sumber terbukaSumber terbuka, GPL
NOAA and national meteorological hazard recordsLong records of hazard extremesPublic domain or terms per service
Operational risk loss data consortia publicationsLarge operational loss recordsKhusus anggota; ringkasan dapat dibaca bebas
Basis data kerugian besar milik perusahaan asuransi dan reasuransiIndividual large claimsProprietary, internal
06Keputusan

Siapa yang memutuskan, dan apa yang dilayani bukti.

Actuarial and Quantitative Risk menyiapkan bukti. Keputusan di bawah ini diambil oleh otoritas yang disebutkan, berdasarkan aturan mereka sendiri, dan tidak pernah oleh platform ini.

Siapa yang memutuskanPertanyaannyaBukti yang dilayani halaman ini
Actuaries and risk modellersMetode nilai ekstrem dan ambang batas mana yang digunakanStability diagnostics and data review
Capital model ownersHow tail estimates enter capitalBukti ketidakpastian dan sensitivitas
ValidatorsApakah kecocokan ekor distribusi memadaiBack-testing and alternative fits
PengawasWhether tail calibration supports regulatory capitalModel documentation and validation

Keluaran yang dihasilkan topik ini

  • Guide to block maxima and peaks-over-threshold methods
  • Method note on threshold selection and stability plots
  • Brief on reporting uncertainty for return levels
  • Questions for reviewers on non-stationarity
07Pertanyaan inti

Pertanyaan yang diajukan para pakar.

  • How large is the loss that is exceeded, on average, once in a given number of years?
  • Which threshold or block size gives a reliable estimate of the tail?
  • Is the tail heavy, light or bounded, and how confident can we be?
  • Is the extreme behaviour changing over time?
  • How do extremes in different variables or places occur together?
08Mekanisme

Teori tentang ekstrem.

Two classical results underpin the field. The distribution of block maxima, such as the largest annual flood, tends towards the generalised extreme value distribution under broad conditions. The distribution of exceedances over a high threshold tends towards the generalised Pareto distribution. A single shape parameter determines whether the tail is heavy, light or bounded, and it is the most important and most uncertain quantity in any extreme value analysis.

Pilihan praktis menentukan hasil: ukuran blok atau ambang batas, cara menangani kelompok nilai ekstrem yang terjadi bersamaan, seperti gempa susulan atau hari perdagangan yang bergejolak, dan apakah menyertakan kovariat untuk tren atau musiman. Model nilai ekstrem nonstasioner membiarkan parameter berubah menurut waktu atau indeks iklim, yang sangat penting ketika proses dasarnya berubah.

Multivariate and spatial extremes address joint behaviour, such as storm surge with rainfall, or losses across regions. Dependence in the extremes can differ from dependence in the bulk of the data, which has direct consequences for diversification.

09Metode dan data

Metode dan batasannya.

Peaks

Puncak di atas ambang (peaks over threshold)

Fitting the generalised Pareto distribution to exceedances; results depend on threshold choice.

Maxima

Maksima blok

Fitting the generalised extreme value distribution to block maxima; uses data less efficiently.

Non-stationary

Covariate models

Letting parameters vary with time or climate; risks over-fitting short records.

Limits: estimates far beyond the data rest on the assumption that the limiting distribution applies, and confidence intervals for long return periods are wide. Reporting return levels without intervals overstates certainty.

11Pertanyaan

Tanya jawab.

What is the peaks-over-threshold method?
Pendekatan nilai ekstrem yang memodelkan kerugian di atas ambang tinggi dengan distribusi Pareto terampat (generalised Pareto), menggunakan lebih banyak data daripada maksimum tahunan.
Apa yang ditunjukkan oleh parameter bentuk?
Whether the tail is heavy, light or bounded; a positive shape implies a heavy tail where very large losses are relatively more likely.
Dapatkah teori nilai ekstrem memprediksi bencana berikutnya?
Tidak. Model ini memperkirakan frekuensi dan besaran kejadian ekstrem berdasarkan asumsi, dengan ketidakpastian yang lebar, bukan kapan suatu peristiwa akan terjadi.
Apa itu periode ulang?
The average interval between exceedances of a given level under stationary conditions. It is not a schedule: a rare event can happen in consecutive years.
Dapatkah teori nilai ekstrem memprediksi kejatuhan pasar?
Tidak. Metode ini memperkirakan probabilitas dan besaran kejadian ekstrem, bukan waktu terjadinya.
What if the climate is changing?
Model nonstasioner memungkinkan parameter berubah, tetapi perlu kehati-hatian agar tidak terjadi overfitting pada rekaman data yang pendek.
LaporanBerkontribusi

Kontribusikan bukti dari halaman ini.

Reports adalah publikasi triwulanan Konsorsium. Apa yang Anda ketahui tentang subjek ini dapat menjadi bukti, kasus, atau koreksi dalam edisi berikutnya, dengan kredit atas nama Anda dan dipublikasikan di bawah CC BY 4.0 jika merupakan karya Anda sendiri.

Global Risks AllianceActuarial and Quantitative RiskMethods and TechnicalFinance and Insurance Readiness
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.