TD Modélisation statistique des valeurs extrêmes
M1 Actuariat, Université Félix Houphouët-Boigny Année 2020-2021
Nicolas Raillard ([Link]@[Link])
26/03/2021
Exercice 1
1. On va chercher dans cet exercice à caractériser les loi limites de la moyenne empirique des lois suivantes:
• U ∼ U([− 12 , 12 ];
• Z ∼ N (0, 1);
• X := sign(U ) × log(1 − 2|U |) (Loi de Laplace)
• T ∼ T (1.8)
a. Simuler un échantillon de taille 50 et calculer la moyenne empirique correspondante;
b. Tracer un histogramme de la distribution de cet estimateur;
c. Refaire l’expérience pour N=500, puis 5000;
d. Quelle commentaires peut-on en tirer ?
2. Refaire l’expérience sur la loi des maxima.
Exercice 2
1. Simuler une réalisation d’un échantillon (X1 , . . . , Xn ) de taille n = 5000 d’un loi de Student à df = 3
degrés de liberté à l’aide de la fonction R rt et réaliser un QQ-plot gaussien (fonctions qqnorm et
qqline). La loi de Student a-t-elle une queue plus “lourde” ou plus “légère” que la loi normale ?
2. Comparer les quantiles des lois de Student à df = 3 degrés de liberté et df = 100 degrés de liberté :
quelle loi a les queues les plus lourdes ?
3. Vérifier par simulation que le théorème de Fisher-Tippet-Gnedenko s’applique à la loi de Student. On
pourra utiliser la fonction fgev du package evd. Quelles valeurs approchées obtenez-vous pour le
paramètre de forme ξ de la loi GEV limite lorsque df = 2, df = 3 et df = 1000 ?
4. On cherche à estimer le quantile d’ordre α = 99.9% de la loi de l’échantillon simulé dans la première
question. Calculer les estimations obtenues avec les trois méthodes ci-dessous.
a. Calcul du quantile empirique sur l’échantillon simulé (fonction R quantile).
b. Ajustement d’une loi normale à l’échantillon simulé et calcul du quantile d’ordre α de la loi ajustée.
c. Utilisation de la méthode des maxima par bloc.
d. Quelle méthode donne le meilleur résultat ? On pourra répéter plusieurs fois la simulation et ainsi
estimer le biais et la variance des estimateurs.
1
Exercice 3
Trouver le domaine d’attraction et les suites (an ) et (bn ) pour:
• Loi exponentielle: ∀x > 0, F (x) = 1 − e−λx , λ > 0; (indication: calculer la loi de λMn − log(n) avec
Mn = max{X1 , . . . Xn })
• Loi uniforme: F (x) = x avec 0 < x < 1.
Excerice 4
On considère dans cet exercice la série temporelle des log-ratio du cours de fermeture de l’indice S&P 500,
téléchargeable sur [Link]
1. Télécharger les données sur le site, de du 01/01/1950 au 31/12/2019;
2. Importer la série dans R et la représenter graphiquement;
3. Dans le modèle de Black and Scholes, on suppose que la série temporelle de l’actif sous-jacent est la
réalisation d’un mouvement Brownien géométrique. Si c’est le cas, alors la série temporelle des log-ratio
définis par
yt
xt = log = log(yt ) − log(yt−1 )
yt−1
est une réalisation d’une suite de variables aléatoires i.i.d gaussiennes.
• Mettre en évidence, à l’aide d’un graphique simple, que la loi des log-ratio observés à une queue plus
lourde que la loi normale;
• Estimer le quantiles à 99.9% en utilisant une approximation gaussienne et la comparer au quantile
empirique. Discutez.
4. On considère la série temporelle obtenue en prenant l’opposé de la série des minima annuels associés à
(xt ). Ajuster une loi GEV à cette série temporelle puis discuter les résultats obtenus :
• Donner des estimations des paramètres ainsi que des intervalles de confiance. Est-ce que ces résultats
sont en accord avec l’hypothèse de normalité du modèle de Black & Scholes ?
• Comparer les fonctions de répartition et les fonctions quantiles empirique avec celles correspondant à
la loi GEV ajustée. Le modèle est-il réaliste ?
• Donner un quantile à 0.01% pour la série temporelle initiale en utilisant la loi GEV ajustée. Comment
interprèter cette quantité en terme de valeur de retour ?
• Quelle est la période de retour du krach de 1987 ?
5. Analyser la série avec la méthode POT et comparer avec les résultats obtenus avec ceux de la question
précédente.
Excerice 5
Soit G1 = GEV (µ, σ, ξ) et 0 < θ ≤ 1. Montrer que G2 = Gθ1 est aussi une GEV dont on explicitera les
paramètres.
2
Exercice 6
On considère dans cet exercice les données de précipitations à Brest envoyées par email (source : http:
//[Link]).
Après avoir importé les données, on répondra aux questions suivantes.
1. Ajuster une loi Gamma aux précipitations positives (c’est à dire après avoir enlevé les 0 et les valeurs
manquantes). On pourra utiliser la fonction fitdistr du package MASS. Discuter les résultats
obtenus, notamment en ce qui concerne la partie supérieure de la distribution.
2. Calculer la série temporelle des maxima annuels.
a. Représenter la série obtenue : peut-on identifier une tendance ? Quels arguments peuvent être utilisés
pour modéliser cette série comme une réalisation i.i.d. d’une loi GEV ?
b. Ajuster une loi GEV à la série temporelle des maxima annuels. Discuter les résultats obtenus. Le
modèle ajusté est-il réaliste ? Peut-on affirmer que la distribution est à queue lourde ?
3. Période de retour. On note mi la valeur maximum observée la i-ème année et Mi la variable aléatoire
associée. On suppose que (M1 , . . . , Mn ) est une suite de variables aléatoires i.i.d.. On note F (s) =
IP [Mi ≤ s] la fonction de réparation associée et N (n, s) = card{i ∈ {1, . . . , n}|Mi > s} le nombre
(aléatoire) de dépassement du niveau s en n années.
a. Montrer que N (n, s) suit une loi binomiale dont on précisera les paramètres. En déduire les quantités
suivantes :
• Quelle est la probabilité de dépasser exactement une fois le niveau s en n années ?
• Quelle est la probabilité de dépasser au moins une fois le niveau s en n années ?
• Combien de fois en moyenne le niveau s est-il dépassé en n années ?
b. On définit généralement l’événement centennal comme l’événement qui est observé en moyenne une
fois tous les cent ans. Exprimer l’intensité de la précipitation centennale en fonction de la fonction
quantile associée à F.
4. Estimer l’intensité de la précipitation centennale pour la ville que vous avez choisie (on donnera le
résultat sous la forme d’un intervalle de confiance à 95%).
5. Analyser la série temporelle avec la méthode POT:
a. On supposera que les dépassements de seuils sont indépendants, quelle loi choisit-on alors ?
• Faire l’ajustement et comparer avec les résultats obtenus avec ceux des questions précédentes.
