基于pot-gpd模型的地震巨灾风险测度.pdfVIP

第 46卷第 13期 数学的实践与认识 Vo1．46，No．13 2016年 7月 MATHEMATICSIN PRACTICEAND THEORY July，2016 基于 PoT-GPD 模型的地震巨灾风险测度 耿贵珍 ，朱 钰 。 (1．防灾科技学院经济管理系，河北 三河065201) (2．西安财经学院统计学院，陕西 西安710000) 摘 要：依据极值理论构建基于GPD的POT模型，对我国1969年至2013年间地 震直接经济损失数据进行拟合；选取恰当的阀值，并对模型形状参数及尺度参数进 行估计，以此研究地震巨灾损失的尾部特征，从而合理的对地震巨灾风险进行度量， 得到损失数据的高分位数；最后，探讨了POT模型在再保险的高超额层选取及定价 问题 中的应用． 关键词：地震巨灾；POT．GPD模型；风险价值；再保险 l 引言 近十年来地质活动再次进入活跃期，国内外大地震时有发生，无论是汶川地震、玉树地 震还是雅安地震，都给人民生命财产带来巨大损失，对区域或国家经济发展带来重要影响，因 此，对于地震巨灾风险的估计及有效的管理将成为抗震救灾工作的重点． 自J．P．Morgan提出险阵 (Riskmetrics)以来，VaR(ValueatRisk)受到各界重视并得到很 大的发展，如今已成为数量化市场风险的有利工具，本质上是用统计方法对风险进行估计，但 VaR的参数计算方法通常将正态分布作为最基本的假设前提，实际上地震巨灾损失数据分布 与正态分布相比存在着明显的厚尾特征，因此会导致极端条件下 VaR的低估．为了弥补VaR 理论上的不足，一些学者提出采用具有厚尾特征的模型来解决这一问题，如对数正态分布 1【】、 指数回归模型 2【】、一般误差分布模型 3【】等，但这些模型的适用性均存在一定局限性 4【】．鉴于 此，将极致理论引入到地震巨灾风险中，利用其对厚尾估计的优势，修正VaR因正态分布假 设所导致的尾部风险低估问题；同时极值理论可以在总体分布未知的情况下，依靠样本数据 外推得到总体极值的变化性质，克服了传统统计方法不能超越样本数据进行分析的局限性． 该研究采用极值理论中的POT(PeaksOverThreshold)模型，对超过某一阀值的地震 损失数据进行建模，并运用广义帕累托分布 (GeneralizedParetoDistribution，GPD)对地震 巨灾损失数据进行拟合，计算地震巨灾风险价值VaR，得到损失数据的高分位数，从而计算造 成巨大损失额的可能性；并进一步探讨了POT模型在再保险的高超额层选取及定价问题中 的应用，为地震灾害风险分析和风险控制，提供更加科学合理的依据． 收稿日期：2016-01．12 资助项 目：中国地震局教师科研基金 ；中央高校基金科研业务费专项资金 (Z 126 数 学 的 实 践 与 认 识 46卷 2 P0T．GPD模型 设 ， ，… ， 是独立同分布的随机变量，分布函数记作F()，XO是 F(x)的右端点， 记作：0=sup{x∈R，F(x)1)． 表示充分大的阀值，设超过阀值 的样本个数为 ^ ，用 ， ，… ，Ⅳ 表示超过阀值的样本观测值，则样本超额数y可表示为： =Xi— ，i= 1，2，… ， ，则超过某一阀值 的超额数 的分布函数为： 眦 )=P(X一 _ylX ， (1) 通过变换可得： F(x)：[1一F()] ()-t-F()，0 Y X0一 ． (2) 由PBdH[5】定理，对充分大的阀值 ，超额值 Y的分布函数近似地服从广义帕累托分布 (GPD)，即：当 一X0时，sup{ ()一G∈，卢()I：0 Y XO— ) 0． 通常 (1)式中的F()可以用经验分布来估计，即F()=(n—A)／n，经过整理可得：