Medida de Risco via Teoria

de Valores Extremos
Anlise de Risco (8)
R.Vicente

1
Resumo
z EVT: Idia geral
z Medidas de risco
z Teoria de Valores Extremos (EVT)
z Distribuio de Mximos
z Distribuio de Exceedances
z Estimao de Parmetros
z Intervalos de Confiana
z Bibliografia

2
EVT: Idia Geral

1. Teoremas limite similares ao Teorema do Limite Central para o

comportamento de desvios extremos;
2. Permite inferncia do comportamento de eventos raros e
extremos a partir de poucas observaes;
3. Suposio de que, apesar da variedade de causas possveis, h
comportamentos estatsticos gerais nos extremos;
4. Teoremas de EVT se aplicam desde que o comportamento
(desconhecido) dos extremos possa ser descrito por
distribuies que se enquadrem em uma famlia
suficientemente bem comportada (e.g. com segundo momento
pelo menos).

3
Novamente: Medidas de Risco
1. VaR
VaRp = F 1 (1 p )

2. Expected Shortfall

ES p = E (X X > VaRp ) = E (X VaRp X > VaRp ) + VaRp

1. Nvel de Retorno
1
k
R =H 1
1
n
k
, onde H a distribuio de mximos observados em janelas
sucessivas sem interseco de comprimento n. A medida de
risco o valor que se espera violar em 1 em k perodos de
comprimento n.

4
Extremos: Definio
1. Mximo em Blocos

2. Violaes de um limiar

Limiar u

5
Teoremas Limite 1: Mximo em Blocos
1. Mximo em Blocos

(Fisher and Tippett (1928), Gnedenko (1943)) Seja (Xt ) uma seqncia
de variveis aleatrias iid. Sejam M n os mximos de blocos com
tamanho n. Se existem constantes c > 0, d \ e uma
distribuio no-degenerada H tal que n n

e (1+ x )1/
se 0
M n dn
d
H ento H (x ) =
ex
cn
e se =0


6
Generalized Extreme Value (GEV) distribution
Teoremas Limite 1: Mximo em Blocos
Generalized Extreme Value (GEV) distribution

e (1+ x )1/
se 0

H (x ) =
ex

e se =0

1 1
= =
=0

Frchet Weibull Gumbel

7
Teoremas Limite 2: Violaes de um Limiar

8
Teoremas Limite 2: Violaes de um Limiar
1. Violaes de um Limiar

Limiar u

(Pickands (1975), Balkema e De Haan (1974)) Pra uma classe grande de

distribuies F a distribuio do excedente condicional Fu (y ) para u
suficientemente grande bem aproximada por :

1/
1 1 + y se 0

G (y ) =
, y /
1 e se = 0

Para y [0,(x F u )] se 0 y 0, se < 0
9

Distribuio generalizada de Pareto (GPD)

Teoremas Limite 2: Violaes de um Limiar
Distribuio generalizada de Pareto (GPD)

1/
1 1 + (x u ) se 0


G (y ) =
, (x u )/
1 e se = 0

limite exponencial Caudas pesadas

: forma u : posiao :escala

10
Teoremas Limite 2: Violaes de um Limiar
Obtendo a distribuio de extremos:

n o nmero total de observaes e Nu o nmero de

observaes acima do limiar u

11
Teoremas Limite 2: Violaes de um Limiar
Calculando risco dos extremos:

Considerando o seguinte resultado de EVT para <1 :

Assumindo

12
Violaes de um Limiar: Estimao de
parmetros

Trs parmetros para estimar:

: forma u : posiao :escala

1. POSIO: Ainda no h um algoritmo que permita estimao automtica

do parmetro de posio. Utilizando o seguinte resultado de EVT:

Pode-se estimar:

Montando um grfico para este estimador procuramos pelo valor de

13
u acima do qual e(u) uma reta.
 Violaes de um Limiar: Estimao de
parmetros
1. POSIO:

Montando um grfico para este estimador procuramos pelo valor de

u acima do qual e(u) uma reta.
S ample mean exces s function
S ample mean exces s function 2
4

3.5 1.8

3
1.6

2.5

1.4
2

1.2
1.5

1 1

0.5
0.8

0
-1 0 1 2 3 4 5 6 7 8 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3 3.2
u u

14
Violaes de um Limiar: Estimao de
parmetros
2. ESCALA e FORMA: os outros dois parmetros podem ser obtidos via
maximizao da log-verossimilhana, dado o limiar u (POSIO):

Para maximizao dessa funo pode-se utilizar algoritmos de gradiente.

15
Violaes de um Limiar: Estimao de
parmetros
1.01

1.005

0.995

0.99

0.985

0.98

0.975

0.97
0 5 10 15

GPD ajustada via maximizao de log-verossimilhana. De posse

dessa distribuio pode-se, em princpio, calcular VaR com
confianas superiores a 99%. 16
Determinao de Barras de Erro para o
Risco estimado.

Como as estimaes de EVT envolvem sempre

poucos dados estritamente necessrio calcular
barras de erro para os parmetros, e
conseqentemente para o risco estimado. H,
pelo menos, duas formas clssicas de estimar
estas barras de erro:

1. Invertendo o teste de razo de verossimilhana;

2. Realizando simulaes (bootstraping).

17
Determinao de Barras de Erro: Inverso
do teste de razo de verossimilhana.

Nessa alternativa leva-se em conta que a distribuio

assinttica do log da razo de verossimilhanas
conhecida (Qui-quadrado com dois graus de liberdade) .

Assim calculam-se as diferenas entre log-

verossimilhanas

A regio de confiana dos parmetros escolhida de

forma que a probabilidade de estar dentro do intervalo de
parmetros da barra de erro seja, por exemplo, 95%.

18
Determinao de Barras de Erro: Inverso
do teste de razo de verossimilhana.

0.9
Regio de 95 %
de Confiana
0.8

0.7

0.6

0.5

0.4

0.1 0.2 0.3 0.4 0.5 0.6 0.7

19
Determinao de Barras de Erro:
Bootstraping

Essa alternativa computacionalmente mais pesada mas

mais apropriada para situaes em que o nmero
disponvel de observaes limitado.
No bootstrapping amostram-se com reposio
subconjuntos de dados e reestimam-se os parmetros para
cada subconjunto utilizando mxima verossimilhana. O
resultado uma nuvem de pontos que pode ser utilizada
para estimar barras de erro atravs da construo de
histogramas

20
Determinao de Barras de Erro:
Bootstraping
FORMA ESCALA
6 6

4 4

2 2

0 0
0 0.2 0.4 0.6 0.8 0.4 0.6 0.8 1
6 2

4
1
2

0 0
2.2 2.4 2.6 3 3.5 4 4.5 5 5.5

VaR(0.001) ES(0.001)

21
Determinao de Barras de Erro
diretamente para o VaR ou ES

possvel obter barras de erro diretamente para o VaR ou ES utilizando:

para reparametrizar as distribuies.

22
Determinao de Barras de Erro
diretamente para o VaR ou ES

Com as mudanas apropriadas de varivel obtemos:

para 0
23
Determinao de Barras de Erro
diretamente para o VaR ou ES
Para o ES obtemos:

0
0.6
-1

-2 0.5

-3
0.4
-4

-5 0.3

-6

0.2
-7

-8
0.1

-9

0
-10 3 3.5 4 4.5 5 5.5 6
3 3.5 4 4.5 5 5.5 6
ES 0.01
ES 0.01

Intervalo de confiana a 95% para Regio equivalente de confiana

a razo de verossimilhana a 95%. Pontos representam o
resultado bootstrap
24
Determinao de Barras de Erro
diretamente para o VaR ou ES
Para o VaR obtemos:

-2

-4

-6

-8

-10

-12
2 2.5 3 3.5
Va R0.01

Intervalo de confiana a 95% para Regio equivalente de confiana

a razo de verossimilhana a 95%. Pontos representam o
resultado bootstrap
25
 Bibliografia

Gilli, M. and Kllezi E., Na application of Extreme Value Theory for Measuring
Risk, Fevereiro 2003.
Efron, B. and Tibshirani R.J., An Introduction to the Bootstrap, Chapman&Hall,
Nova York (1993)

26