Теория экстремальных значений (EVT) в перестраховании: обобщенное распределение Парето

Центральной математической опорой EVT при анализе превышений является теорема Пикэндса-Балкемы-де Хаана. Эта теорема гласит, что для достаточно широкого класса распределений, если мы зафиксируем высокий порог (Threshold, $u$) и будем рассматривать только те убытки, которые строго превышают этот порог, то условное распределение этих эксцессов (превышений над $u$) при стремлении порога к бесконечности сходится к Обобщенному распределению Парето (Generalized Pareto Distribution, GPD). Это потрясающий математический результат: актуарию больше не нужно угадывать, какому исходному закону (Логнормальному, Вейбулла или Гамма) подчиняется весь страховой портфель. Достаточно отсечь данные высоким порогом, и оставшийся правый хвост гарантированно будет описываться функцией GPD.

Функция GPD полностью характеризуется двумя параметрами: параметром масштаба (Scale, $\sigma$) и параметром формы хвоста (Shape, $\xi$, или хвостовой индекс). Именно параметр формы $\xi$ определяет, насколько "тяжелым" является хвост распределения. Если $\xi > 0$, распределение имеет тяжелый хвост Фреше (что типично для страхования ответственности и природных катастроф). При таких значениях дисперсия, а иногда даже математическое ожидание (если $\xi \ge 1$), могут стремиться к бесконечности. Оценка параметра $\xi$ производится с помощью метода максимального правдоподобия (MLE) или с использованием знаменитой оценки Хилла (Hill Estimator), основанной на порядковых статистиках. Точная калибровка $\xi$ позволяет перестраховщику вычислить вероятность убытка в 1 миллиард долларов, даже если в исторической базе максимальный убыток не превышал 100 миллионов.

Главной вычислительной трудностью в методе превышения порога (Peaks Over Threshold, POT) является выбор самого значения порога $u$. Это классическая проблема компромисса между смещением и дисперсией (Bias-Variance Trade-off). Если выбрать порог слишком низким, теорема сходимости нарушается, и аппроксимация GPD становится алгебраически неверной (высокое смещение). Если порог слишком высок, в выборке остается критически мало данных, и оценка параметров $\sigma$ и $\xi$ становится экстремально волатильной (высокая дисперсия). Для решения этой задачи актуарии строят графики среднего эксцесса (Mean Excess Plot), пытаясь визуально найти точку, где эмпирическая кривая начинает расти линейно, что математически сигнализирует о начале зоны применимости Обобщенного распределения Парето.

Практическое применение GPD в прайсинге перестраховочных договоров позволяет рассчитать чистую рисковую премию для любого, даже самого высокого слоя перестрахования. Математическое ожидание убытка в слое вычисляется через интегрирование функции выживания GPD (Survival Function) с учетом лимита и приоритета договора. Кроме того, EVT интегрируется в расчет когерентных мер риска. Квантиль распределения (Value-at-Risk) и ожидаемый дефицит (Expected Shortfall) для уровней доверия 99.5% или 99.9% получают строгую аналитическую формулу, зависящую только от параметров $\sigma$ и $\xi$. Это обеспечивает надежную капитальную подушку по стандартам Solvency II, доказывая, что хаос экстремальных стихий строго подчиняется законам асимптотической алгебры.