某风险团队拿到一组历史分块极大值——例如某账本每年最差单日损失各一枚——想拟合一个极值分布,以便给出尾部分位数(T 年损失)。Fisher–Tippett–Gnedenko 定理告诉我们,iid 分块样本的标准化极大值收敛到广义极值(GEV)分布,具有位置 μ、尺度 σ、形状 ξ。该团队的母体损失分布是轻尾的(去趋势后接近高斯增量),因此他们拟合 **ξ = 0 子情形:即 Gumbel** 分布。他们希望要一个快速、封闭形式的拟合——不调用 optimizer、不依赖 SciPy——可以在隔离的夜间风险作业里反复跑。