葛林斯班的早期警告#
2007–08 年金融海嘯被廣泛歸咎於 1987–2006 年擔任美國聯準會主席的 艾倫・葛林斯班（Alan Greenspan）——他長年放鬆金融管制，造成槓桿與風險失控。
但他其實也是最早警告 Bell Curve 風險模型危險性的人之一。1995 年中央銀行家會議上，葛林斯班指出鐘形曲線會嚴重低估極端事件的機率，並主張中央銀行應像保險公司一樣使用——
極值理論（Extreme Value Theory, EVT）
何謂極值理論？#
18 世紀初機率學先驅 Nicolaus Bernoulli 就察覺極端事件並非單純「離群值」。但理論到 1920 年代才由 Ronald Fisher 與學生 Leonard Tippett 完成，後整合為「廣義極值分布（Generalised Extreme Value, GEV）」。
- 與 Bell Curve 不同：GEV 對極端事件的預測常截然相反
- 形狀可由極端事件資料調整
應用：保險業#
保險業者長期依靠「20–80 規則」（20% 的嚴重事件造成 80% 賠付）。1990 年代蘇黎世聯邦理工學院的 Paul Embrechts 用 EVT 檢驗：
- 大多數險種「20–80 規則」適用
- 但颶風險完全不同：適用「0.1–95 規則」——千分之一的颶風事件獨吞 95% 賠付
EVT 讓保險公司能用更合理的保費承擔更廣泛的風險。
應用：荷蘭海堤#
1953 年北海風暴潮淹沒荷蘭，造成 1,800 人罹難。荷蘭政府委請 EVT 專家 Laurens de Haan（Erasmus 大學）：
- 用過去千年的洪水紀錄建立 EVT 曲線
- 外推未來預期極端事件
- 結論：原規劃 5 公尺高海堤可承受未來數百年的極端事件
EVT 的「使用條款」#
- 門檻設定：「極端」要怎麼定義？太低 → 太多平凡資料汙染曲線；太高 → 樣本太少模糊
- 獨立同型假設：氣候變遷下颶風、洪水、風暴條件並非穩定不變
- 病態分布：研究顯示銀行極端損失的 EVT 曲線常沒有穩定的平均或範圍——加幾個資料點就會徹底改變風險估計
即便 EVT 比 Bell Curve 更謹慎，仍非萬靈丹。 但它至少傾向高估而非低估極端風險——對監管而言更有價值。 1995 年至今全球已歷經至少五次大型金融危機——但銀行仍偏好用準備金較少的 Bell Curve。
趣聞：用 EVT 估計極限#
人類最高壽命#
de Haan 團隊用「最老老人」資料外推：
- EVT 預測人類壽命上限約 124 歲
- 史上最長壽者 Jeanne Calment（法國，1875–1997）享壽 122 歲——只差 2 歲
連敗多長算正常？#
擲硬幣 50 次，最長連續正面（或反面）約5 連 ± 2——遠比多數人直覺更長。
案例：Tom Segal 的 26 連敗#
英國《Racing Post》專欄作家 Tom Segal（筆名 Pricewise）以推薦冷門高賠率馬聞名。2011 年連續推薦 26 場全敗，粉絲擔心他失準。
但 EVT 顯示：以他的高賠率推薦頻率，一年內出現 32 連敗完全正常。 幾週後他回神，當年仍為堅持的跟單者帶來 20% 的投資報酬率。
結語#
在被極端事件（怪天氣、金融動盪）侵擾的世界，極值理論能把歷史紀錄轉化為「事情可能多糟」的洞見。 假設未來如同過去固然有風險，但比起純粹瞎猜——這仍是更穩健的選擇。