《风险模型》广义极值分布中归一化常数的作用.docxVIP

一、归一化常数的作用

考虑最大值：

M

这个最大值的分布随样本量n增大而改变，往往趋于极端（例如越来越大）。但我们希望通过适当的线性变换：

Z

使得Zn在n→∞时收敛到一个非退化极限分布（即

这类似于中心极限定理中对和的归一化方式：

S

只是这里我们处理的是极大值Mn，不是总和S

二、如何选取归一化常数an,

选取方法依赖于原始分布F的类型。我们以经典例子说明三种情况：

情况1：Xi

最大值的CDF是：

P

当n大时，最大值Mn

a

b

此时有：

M

情况2：Xi～Pareto

设Fx=1

F

最大值趋于右极端，取：

b

a

有：

M

情况3：Xi～

最大值CDF：

F

趋于1，选取：

b

a

有：

1

三、一般情形的推导方法（标准方法）

设母体分布F，我们可以使用以下方法来选取an

方法1：利用分位函数（quantilefunction）

设：

F

这种方式与Gumbel极限联系最紧密。

方法2：根据尾部指数行为拟合

若尾部满足：

1

则可设定：

a

使F

四、图示

?蓝色区域是未经归一化的最大值分布，随着n增大，右移且变宽；

?橙色区域是归一化后的分布，逐渐收敛至Gumbel分布（稳定形态）；

?分面显示了不同n=10,100,1000下的对比效果。