概念卡：广义帕累托分布 GPD

综合实践 · 01_专业概念地图/概念卡_GPD.md

概念卡：广义帕累托分布 GPD

一句话定义

GPD 是用于建模超过高阈值部分数据的极值分布。

它解决什么问题

它帮助我们分析“超过某个危险阈值之后，极端损失还会有多大”。

典型使用场景

• 超过 95% 分位数的金融损失。
• 超过警戒水位的洪水高度。
• 超过系统负载阈值后的故障风险。

需要知道的关键词

• Threshold
• Exceedance
• POT
• Shape Parameter
• Tail Risk

和导师方向的关系

GPD 是极值理论中的核心模型，适合连接应用统计中的参数估计和复杂系统中的极端风险分析。

交流时可以怎么说

如果我们关心超过高阈值之后的尾部行为，GPD 可能比直接拟合整体分布更合适。

这里关键是阈值选择，因为阈值太低会混入普通样本，太高又会导致样本太少。

可以追问的问题

• 阈值是按业务规则选，还是按分位数选？
• 超过阈值的样本数量是否足够？
• GPD 拟合后如何做诊断？

给 AI 的提示词

请解释 GPD 在极值理论中的作用。要求比较它和 GEV 的区别，说明阈值选择为什么重要，并给一个 Python 拟合思路。

我的理解边界

• 已理解：GPD 关注超过阈值后的尾部。
• 还不确定：阈值选择的系统方法。
• 下次需要补：POT 方法和均值超额图。