Daru FinanceDaru Finance
Lab

M/04 · Teoria de Valores Extremos

Picos sobre limiar e acoplamento de cauda par-a-par

Ajustes de Pareto Generalizada à cauda superior de retornos cross-asset, mais um coeficiente χ livre de modelo para dependência assintótica de cauda.

A matemática

Pickands–Balkema–de Haan

Seja X uma variável aleatória com CDF F satisfazendo F(x) → 1 conforme x → x* (o ponto final à direita, possivelmente +∞). Para um limiar alto u, defina a variável aleatória de excesso Y = X − u dado X > u. O teorema de Pickands–Balkema–de Haan (1974–75) afirma que F está no domínio de atração máximo de uma distribuição de valores extremos se e somente se existem funções de escala σ(u) tais que

onde G é a Distribuição de Pareto Generalizada (GPD)

com y* = ∞ para ξ ≥ 0 e y* = −σ/ξ para ξ < 0. O parâmetro de forma ξ governa o comportamento da cauda:

  • ξ > 0: cauda pesada, regularmente variante com índice 1/ξ. Retornos de ações e cripto vivem aqui, ξ ≈ 0,2–0,4.
  • ξ = 0: cauda exponencial. Muitas séries dirigidas por ruído.
  • ξ < 0: cauda limitada. Raro em finanças mas visto em séries com piso de volatilidade.

Estimador pelo método dos momentos

A média e a variância de uma GPD com parâmetros (ξ, σ) são

Invertendo essas relações obtém-se o estimador de método dos momentos de Hosking–Wallis (1987)

MLE é assintoticamente mais eficiente (e é o que a biblioteca de produção usa), mas o método dos momentos é em forma fechada, determinístico, e adequado para o demo abaixo.

Coeficiente de dependência de cauda χ

Para um par bivariado (X, Y) com marginais contínuas FX, FY, defina o coeficiente de dependência de cauda superior

Esse é simétrico em (X, Y), fácil de verificar pela definição. Dois fatos tornam χ o objeto certo:

  • Independência ⇒ χ = 0. Se X ⫫ Y a probabilidade condicional é apenas 1 − u → 0.
  • Comonotonicidade ⇒ χ = 1. Se Y é função monótona de X, a probabilidade condicional é identicamente 1.

Crucialmente, χ é invariante sob transformações monótonas das marginais, depende apenas da cópula. Isso o torna uma medida de extremidade conjunta livre das marginais. Para cópulas Gaussianas (qualquer correlação ρ < 1) χ = 0; para a cópula t bivariada com ν graus de liberdade e correlação ρ,

que é > 0 para qualquer ρ > −1. Esse é o conteúdo empírico da observação “tudo se correlaciona em uma crise”: a correlação Gaussiana não diz nada sobre extremos conjuntos, mas uma cópula Student-t em ρ moderado já produz acoplamento de cauda significativo.

Estimador empírico

Substitua FX, FY pelas CDFs empíricas (ranks uniformes divididos por n+1) e compute, para limiar u próximo de 1,

Exemplo trabalhado

Gere 2.000 pares (Xt, Yt) com Yt = λ Xt + √(1 − λ²) Zt, X e Z Student-tν independentes. Tome ν = 5, λ = 0,5. O χ teórico para a cópula t bivariada implícita é não-zero. A GPD ajustada em |X| acima do 95º percentil deve retornar ξ em torno de 1/ν = 0,2.

Demo: Peaks-over-threshold + tail-coupling χ

Synthetic Student-t pair (X,Y) with linear coupling λ. Fit GPD on |X| excesses above the 95th percentile; compute empirical χ(u) on (X,Y) ranks.

n (sample size)2000
λ (coupling)0.50
ν (df, tail)5
threshold pct (u)95
seed=13
threshold u
2.537
# excesses
100
ξ (shape)
0.044
σ (scale)
0.834
empirical χ(q), tail-coupling
q = 0.90.320
q = 0.950.260
q = 0.990.150
0.000.330.660.991.320.01.22.43.74.96.1excess y = |X| − u

Histogram of 100 excesses above threshold u=2.537. Amber line: fitted GPD density with ξ=0.044, σ=0.834. ξ > 0 indicates a heavy (Pareto-type) tail. The χ(0.99) value at left measures how often X and Y simultaneously exceed their 99th percentile, a model-free tail-coupling estimator.

Note: GPD fit uses method-of-moments (Hosking & Wallis 1987). The reference implementation uses MLE. Both estimators are consistent; MoM is preferred here for in-browser determinism.

Figuras

Loading…
Fig. 1:Sobrevivência de cauda POT-GPD ajustada P(|R| > r) em eixos log-log para P&L diário de estratégias, acima do 95º percentil, com a forma MLE ξ̂ indicada por série na legenda. P&L de estratégias cripto vive inequivocamente no regime de cauda pesada (ξ̂ > 0).
Fig. 2:χ̂(0,95) empírico entre retornos diários agregados cross-asset de estratégias em uma janela comum de 4 anos. Entradas fora da diagonal são visivelmente positivas, extremos conjuntos entre BTC, ETH, SOL, DOGE e correlatos ocorrem estritamente mais do que a independência preveria, o conteúdo empírico de 'tudo se correlaciona em uma crise'.

Por que isso importa para estratégias sistemáticas

Dois usos práticos no pipeline do escritório. Primeiro, ajustes GPD nas distribuições de drawdown por estratégia fornecem estimativas honestas de VaR e expected-shortfall de cauda que não colapsam durante mudanças de regime, a alternativa Gaussiana de VaR subestima o risco de cauda em uma ordem de magnitude durante as mesmas crises. Segundo, χ em retornos cross-asset em u = 0,99 é um indicador antecedente de contágio. Quando o χ(0,99) de BTC–XAU sobe acima de 0,4, o padrão empírico é consistente com episódios amplos de “flight-to-cash” nos quais ativos historicamente não-correlacionados co-movem em suas caudas.

Reprodutibilidade

DaruFinance / tail-evt

Rust · implementação de referência open-source

Invocação mínima

use tail_evt::{pot_fit, tail_chi};

// X: &[f64] of returns
let fit = pot_fit(&x, /*pct=*/ 0.95);
println!("xi = {:.3}, sigma = {:.3}", fit.xi, fit.sigma);

// Pairwise tail dependence on (X, Y)
let chi_99 = tail_chi(&x, &y, 0.99);
println!("chi(0.99) = {:.3}", chi_99);

Referências

  1. [1]Pickands, J. (1975). Statistical inference using extreme order statistics. Annals of Statistics 3, 119–131.
  2. [2]Balkema, A. A. & de Haan, L. (1974). Residual life time at great age. Annals of Probability 2, 792–804.
  3. [3]Coles, S. (2001). An Introduction to Statistical Modeling of Extreme Values. Springer Series in Statistics.
  4. [4]McNeil, A. J., Frey, R. & Embrechts, P. (2015). Quantitative Risk Management: Concepts, Techniques and Tools (rev. ed.). Princeton University Press.
Todos os projetosVer no GitHub