POT 方法

专业知识 · 20-Knowledge/极值理论/POT 方法.md

POT 方法

概念解释

POT（Peaks Over Threshold）方法只分析超过高阈值 $u$ 的观测值。相比区块最大值方法，POT 能利用更多极端样本，适合研究尾部风险。

公式与计算

定义超阈值 excess：

$$ Y=X-u\mid X>u $$

当阈值足够高时，$Y$ 的分布可用 广义帕累托分布 近似：

$$ P(Y\le y\mid X>u)\approx 1-\left(1+\xi\frac{y}{\beta}\right)^{-1/\xi} $$

其中 $\beta>0$，$1+\xi y/\beta>0$。

与其他名词的关联

• 广义帕累托分布：POT 方法的核心分布模型。
• 尾部指数：形状参数 $\xi$ 反映尾部厚度。
• 重现水平：POT 拟合后可计算极端分位数和重现水平。
• 广义极值分布：GEV 用区块最大值，POT 用超阈值样本。
• ../人工智能/模型评估：AI 风险任务中，POT 可帮助评估模型在极端尾部是否失效。

典型应用场景

• 金融损失超过高分位数后的风险建模。
• 高温、暴雨、洪水超过预警线后的尾部估计。
• 机器学习残差中极端错误的风险分析。

易错点

• 阈值过低会引入非极端样本，模型偏差大。
• 阈值过高会样本太少，方差大。
• 超阈值样本可能存在聚集性，需要考虑去簇。

课后习题

1. POT 中的 excess 是什么？
2. 阈值选择过低会产生什么问题？
3. POT 与 GEV 相比的优势是什么？

答案

1. $Y=X-u\mid X>u$，即超过阈值的部分。
2. GPD 近似可能不成立，估计偏差增大。
3. 能利用所有超过阈值的极端观测，而不是每个区块只取一个最大值。