具体描述
In a recent issue, The New Scientist ran a cover story under the title: "Mission improbable. How to predict the unpredictable"; see Matthews [448]. In it, the author describes a group of mathematicians who claim that extreme value theory (EVT) is capable of doing just that: predicting the occurrence of rare events, outside the range of available data. All members of this group, the three of us included, would immediately react with: "Yes, but, ...", or, "Be aware...". Rather than at this point trying to explain what EVT can and cannot do, we would like to quote two members of the group referred to in [448]. Richard Smith said, "There is always going to be an element of doubt, as one is extrapolating into areas one doesn't know about. But what EVT is doing is making the best use of whatever data you have about extreme phenomena." Quoting from Jonathan Tawn, "The key message .is that EVT cannot do magic - but it can do a whole lot better than empirical curvefitting and guesswork. My answer to the sceptics is that if people aren't given well-founded methods like EVT, they'll just use dubious ones instead."
此书为英文版。
作者简介
目录信息
· · · · · · (收起)
读后感
用户评价
这本关于“例外事件模型”的著作，从我阅读后的感受来看，它似乎在探讨一个非常前沿和关键的领域。我原以为会看到更多关于传统风险管理框架下对“黑天鹅”事件的处理方式，但这本书似乎走得更远，直击那些在标准统计分布模型下难以捕捉的极端现象。书中对概率论极限情况的深入剖析，特别是在金融市场波动性建模上的应用，给我留下了深刻印象。它不像那些充斥着复杂微积分公式的教科书那样让人望而却步，而是通过一系列精心构建的案例，展示了当系统压力达到临界点时，常规假设如何崩塌，以及如何构建一个能够容纳这种“非正常”的理论框架。比如，对于极端信用风险暴露的模拟，作者似乎提供了一种不同于VaR（风险价值）的视角，更强调尾部风险的真实影响，而不是仅仅依赖历史数据拟合。这种对现有范式的挑战和对更稳健模型的追求，使得这本书不仅仅是一本学术探讨，更像是对未来金融稳定性的一个预警和解决方案的探索，我非常期待看到其中关于实际数据拟合和模型校准的具体方法论，希望能从中找到应对当前市场不确定性的实际工具。
评分读完这书，我最大的感受是，作者似乎对传统保险精算学中的“正态假设”持有一种近乎批判的态度。我一直从事寿险领域的精算工作，深知我们过度依赖的泊松过程和布朗运动在描述重大灾难或流行病时的局限性。这本书很可能是在用一种更具现实主义的眼光来看待风险的集中性和相关性。它可能没有过多纠缠于纯粹的数学推导，而是聚焦于如何将认知到的系统性脆弱性转化为可操作的模型参数。我注意到它似乎强调了“记忆效应”和“结构性断裂”在风险演化中的作用，这与我所熟悉的、假设事件相互独立的经典模型形成了鲜明对比。如果书中真的深入探讨了如何利用非参数方法或者高维统计工具来刻画这些复杂的依赖结构，那么这本书对于精算师和风险分析师来说，绝对是一次思维上的重塑。我特别想知道，作者是如何处理模型不确定性本身的问题，因为在罕见事件中，模型选择的错误可能比数据误差更致命。这种对模型内在缺陷的坦诚披露，是衡量一本风险管理书籍价值的重要标准。
评分从一个量化投资者的角度来看，我希望这本书能够提供关于“机会成本”的全新视角。在低波动率和稳定增长的环境下，大多数策略都倾向于规避尾部风险，但真正的超额回报往往就隐藏在市场对极端事件的错误定价中。这本书如果专注于“例外事件模型”，那么它很可能揭示了市场对某些极端小概率事件的定价是如何系统性地偏离其真实风险的。我推测它可能引入了偏斜风险溢价或者非线性期望损失的概念，用以指导那些愿意承担特定类型极端风险以换取更高回报的专业投资者。它可能不会教你如何避免损失，而是教你如何识别那些被市场低估的、具有高不对称性的潜在回报源。这种“反直觉”的投资哲学，如果能用扎实的数学工具支撑起来，无疑会吸引那些寻求超越市场平均水平的精英群体。它不是一本教你保守的风险厌恶指南，而是一本指导如何在混沌中寻找秩序和机遇的说明书。
评分这本书的叙事风格，如果它真的如我所想的那样，应该是非常引人入胜的，因为它触及了人类对不可预测性的恐惧。它可能不是那种循规蹈矩的教科书，而更像是一部关于“失败的艺术”的解析。我猜想，作者可能从历史上的金融危机和保险巨灾赔付事件中汲取了丰富的经验教训，然后反向工程出那些导致系统崩溃的底层机制。这种从结果倒推过程的叙事方式，往往比从假设推导出结果更具说服力。我特别期待看到书中对不同文化背景下对“例外”的不同理解的探讨，因为风险的定义本身就带有强烈的社会和制度色彩。如果书中能将经济学、社会学和数学模型结合起来，构建一个多尺度的异常事件分析框架，那么它就超越了单纯的技术手册，上升到了一种对现代复杂系统运行哲学的探讨。这种跨学科的视野，对于理解我们所处的这个高度互联的世界来说，是极其宝贵的。
评分我注意到书名中“模型”一词，这暗示了本书的核心在于构建一个超越传统工具箱的新型计算框架。在人工智能和机器学习日益普及的今天，我很好奇作者是如何将这些新的计算能力融入到对罕见事件的刻画中的。传统的模型往往是线性的或半线性的，容易在面对突变时失效。我猜测这本书可能探讨了如何利用深度学习、生成对抗网络（GANs）或其他非参数回归技术来模拟那些从未发生过、但理论上可能发生的极端情景。如果它能够提供一种方法，通过生成大量逼真的“虚拟灾难”，来训练和测试现有金融和保险系统的鲁棒性，那么它的实践价值将是巨大的。这不仅仅是关于“预测”异常，更是关于“抵抗”异常的工程学挑战。这本书如果能成功地将尖端计算科学与古老的风险管理问题相结合，那么它将是这个领域一本里程碑式的著作，为下一代风险建模师设定了新的基准。
评分 评分 评分 评分 评分相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有