Peaks Over Threshold ou Block Maxima
Comparez les dépassements de seuil GPD aux maxima par blocs GEV, notamment l'efficacité des données, les choix biais-variance, la dépendance, les niveaux de retour et les diagnostics de sélection d'une méthode EVT
Réponse directe
Block Maxima conserve un extrême de chaque période fixe et ajuste une loi GEV. Peaks Over Threshold conserve chaque dépassement suffisamment grand et ajuste une queue de Pareto généralisée. POT utilise généralement les données de queue plus efficacement, mais les deux méthodes arbitrent entre biais d'approximation et variance d'estimation
Les deux méthodes commencent par écarter les données ordinaires
L'EVT n'ajuste pas toute la distribution ; elle définit une région extrême et en modélise le comportement limite
Block Maxima définit cette région par des blocs calendaires ou événementiels, tandis que POT la définit par un seuil numérique
Les méthodes répondent à des questions d'échantillonnage liées mais non identiques ; leurs vraisemblances et leurs nombres d'observations ne peuvent donc pas être comparés comme si les lignes étaient les mêmes
Block Maxima mène à la famille GEV
Divisez les données en blocs non chevauchants, comme des mois ou des années, prenez la pire perte de chacun et ajustez une loi des valeurs extrêmes généralisée
La longueur des blocs doit être suffisante pour l'approximation du maximum, mais assez courte pour laisser assez de maxima à estimer
Son lien direct avec les maxima annuels ou mensuels rend les niveaux de retour intuitifs, mais tous les extrêmes non maximaux à l'intérieur d'un bloc sont écartés
POT mène à la queue de Pareto généralisée
Choisissez un seuil élevé u et modélisez l'excès conditionnel Y=X−u sachant X>u avec une loi de Pareto généralisée
Le résultat de Pickands–Balkema–de Haan justifie l'approximation pour de larges domaines d'attraction lorsque le seuil se rapproche de l'extrémité
La fréquence des dépassements et la sévérité des excès se combinent pour estimer des quantiles rares, des périodes de retour et des mesures de perte de queue
POT extrait souvent davantage d'informations de la queue
Un bloc turbulent peut contenir plusieurs pertes importantes, et POT peut les conserver alors que Block Maxima ne garde que la plus grande
Un bloc calme contribue tout de même un maximum même s'il n'est pas extrême par rapport à l'ensemble de l'échantillon
Une meilleure efficacité des données ne rend pas automatiquement POT supérieure, car des dépassements proches peuvent être dépendants et un seuil bas peut introduire un biais de modèle
Le seuil et la taille des blocs encodent les choix biais-variance
Relever un seuil POT améliore l'argument asymptotique, mais laisse moins de dépassements et élargit l'incertitude
Allonger les blocs peut améliorer l'approximation GEV, mais produit moins de maxima ; les raccourcir peut faire paraître extrêmes des observations ordinaires
Choisissez une région de stabilité plutôt que le réglage unique qui donne le chiffre de capital le plus séduisant ou le graphique le plus lisse
La dépendance modifie l'échantillon effectif
Le regroupement de la volatilité peut créer des séries de dépassements, ce qui viole un modèle simple d'arrivées de Poisson indépendantes pour POT
Le désenchevêtrement par séries peut conserver les pics de clusters, tandis que les modèles de processus ponctuel ou d'extrêmes dépendants peuvent préserver davantage d'information temporelle
Block Maxima réduit une partie de la dépendance à courte portée par compression, mais ne garantit pas des maxima indépendants entre blocs voisins
La cible doit déterminer la comparaison
Comparez les niveaux de retour ajustés et les quantiles de queue sur les horizons qui comptent, et pas seulement les valeurs de vraisemblance dans l'échantillon provenant de jeux de données différents
Utilisez les diagnostics de stabilité des paramètres, de moyenne des excès, de probabilité, de quantile, de niveau de retour et des résidus adaptés à chaque méthode
Si les conclusions changent selon des seuils raisonnables, des tailles de blocs, des saisons ou des règles de désenchevêtrement, cette dispersion appartient au rapport de risque
Questions fréquentes
Qu'est-ce que Peaks Over Threshold ?
POT modélise la taille et la fréquence des observations qui dépassent un seuil élevé, généralement avec une loi de Pareto généralisée
Qu'est-ce que la méthode Block Maxima ?
Elle prend un maximum dans chaque bloc fixe et modélise ces maxima avec une loi des valeurs extrêmes généralisée
POT est-elle toujours meilleure que Block Maxima ?
Non. Elle est souvent plus efficace en données, mais la sensibilité au seuil, les dépassements groupés et une mauvaise spécification du modèle peuvent dépasser cet avantage
Comment choisir un seuil ou une taille de bloc ?
Utilisez la théorie, l'horizon de décision, les diagnostics, la stabilité des paramètres et des plages de sensibilité au lieu d'optimiser une seule estimation favorable