全部期权指南
决定哪些观测属于极端的两种方法阅读约15分钟
Peaks Over Threshold与Block Maxima比较
比较GPD阈值超越与GEV区块最大值，包括数据效率、偏差与方差选择、依赖性、重现水平及选择EVT方法的诊断
由 Mark 编写 · 官方资料列于文末
直接答案
Block Maxima从每个固定期间保留一个极值并拟合GEV分布。Peaks Over Threshold保留所有超过足够高阈值的观测并拟合广义Pareto尾部。POT通常更有效地利用尾部数据，但两者都在近似偏差与估计方差之间取舍
两种方法都从舍弃普通数据开始
EVT不拟合整个分布，而是划定极端区域并建模其中的极限行为
Block Maxima用日历或事件区块定义该区域，POT则用数值阈值定义
两种方法的抽样问题相关但并不相同，不能把似然与观测数当作来自相同行来比较
Block Maxima导向GEV分布
把数据分成月度或年度等不重叠区块，取每个区块的最大损失，再拟合广义极值分布
区块既要长到最大值近似合理，又要短到留下足够的最大值供估计
它直接连接年度或月度最大值，使重现水平直观，却会舍弃区块内所有非最大极值
POT导向广义Pareto尾部
选取高阈值u，并以广义Pareto分布建模在X>u条件下的超额Y=X−u
Pickands–Balkema–de Haan结果说明，当阈值接近端点时，此近似对广泛的吸引域成立
把超越频率与超额严重度结合，可估计稀有分位数、重现期与尾部损失度量
POT通常提取更多尾部信息
动荡区块可能包含多次重要损失，POT可以保留它们，而Block Maxima只留下最大的一次
平静区块也必须贡献一个最大值，即使它相对整个样本并不极端
更高的数据效率不代表POT必然更好，因为相邻超越可能依赖，过低阈值也会引入模型偏差
阈值和区块长度编码偏差与方差
提高POT阈值会加强渐近依据，却留下更少超越并扩大不确定性
延长区块可能改善GEV近似，但最大值数量减少；缩短区块则会让普通观测看似极端
应选择稳定区间，而不是只选出最有利资本数字或最平滑图表的单一设置
依赖性会改变有效样本量
波动率聚集可形成连续超越，违反POT中简单的独立Poisson到达模型
游程去聚集可保留每个聚集的峰值，点过程或依赖极值模型则能保存更多时点信息
Block Maxima通过压缩减弱部分短期依赖，却不保证相邻区块最大值独立
风险目标应决定比较方式
比较相关期限上的重现水平与尾部分位数，而不是只比较来自不同数据集的样本内似然
对每种方法使用合适的参数稳定性、平均超越、概率、分位数、重现水平与残差诊断
若结论随合理阈值、区块长度、季节或去聚集规则改变，应把这一范围写入风险报告
常见问题
什么是Peaks Over Threshold？
POT建模超过高阈值的观测大小与频率，通常使用广义Pareto分布
什么是Block Maxima方法？
它从每个固定区块提取一个最大值，再用广义极值分布建模这些最大值
POT一定优于Block Maxima吗？
不一定。它通常更有效利用数据，但阈值敏感性、聚集超越与模型误设可能抵消这一优势
应如何选择阈值或区块长度？
应结合理论、决策期限、诊断、参数稳定性与敏感范围，而不是优化一个有利估计
资料来源与延伸阅读
把这个概念应用到一份期权
选择合约和目标，让价格、时间与波动率假设在同一份分析中清晰呈现
分析我的期权