Data driven partition-of-unity copulas with applications to risk management
我们提出了一个建设性的和自包含的方法,数据驱动的一般划分的单位copula,最近在文献中介绍。特别是,我们认为伯恩斯坦,负二项和泊松Copula,并提出了一个解决方案,这样的Copula拟合高度不对称的数据的问题。
2020-11-12 q-fin.RM
Parameter estimation of a Levy copula of a discretely observed bivariate compound Poisson process with an application to operational risk modelling
本文提出了一种在不知道共同冲击的情况下估计离散观测的二元复合Poisson过程的Levy Copula参数的方法。该方法在小样本模拟研究中进行了测试。此外,该方法被应用到一个真实的数据集和拟合优度检验。通过本文的研究,Levy Copula函数成为操作风险高级度量方法的现实工具。
2012-12-01 q-fin.RM
Recursive Copula Aggregation for Market and Credit Portfolios
University of Torino(都灵大学);Core Dynamics GmbH(Core Dynamics有限公司);Signal Iduna Reinsurance(Signal Iduna再保险公司)
本文提出一种递归层级Copula框架,通过局部依赖指定和秩重排传播,在保留边际分布的同时实现多层级依赖建模,并用Kendall's tau校准,实证显示压力下依赖增强且随信用质量变化,为风险聚合提供透明可扩展工具。
2026-10-08 q-fin.RM
Marginals Versus Copulas: Which Account For More Model Risk In Multivariate Risk Forecasting?
Copula。本文对多变量风险模型中的模型风险进行了研究,并对GARCH模型用于风险价值和预期损失的预测进行了综合的实证研究。要确定是否固有的模型风险预测的投资组合风险是由候选人的边际或copula模型,我们分析不同的模型组中,我们固定的边际,copula,或两者都没有。模型风险在经济上是重要的,在危机时期尤其高,并且几乎完全是由于copula的选择。然后,我们提出了使用模型置信度集的过程,以缩小可用的模型集,并降低模型风险的Copula-Gesture风险模型。我们提出的方法导致我们的各种候选风险模型的一天前预测的平均绝对偏差的显着改善。
2021-09-22 q-fin.RM q-fin.ST
Measuring and Analysing Marginal Systemic Risk Contribution using CoVaR: A Copula Approach
本文主要研究金融机构对整个金融系统风险的边际贡献。我们的工作扩展了Adrian和Brunnermeier提出的CoVaR概念,作为衡量边际系统性风险贡献的工具。首先给出了CoVaR_α^{s| L^i=l}。我们的定义通过表示CoVaR_α^{s}改进了CoVaR概念|L^i=l}分别作为状态l和相对于i和s的给定概率水平α的函数。基于Copula理论,我们将CoVaR_α^{s| L^i=l}通过它们的概率解释和定义(条件概率)对Copula的偏导数。在此基础上,我们给出了计算CoVaR_α^{s| L^i=l}对于一大类(边际)分布和相关结构(线性和非线性)。我们的公式允许使用CoVaR更好地分析系统性风险,因为它允许定义CoVaR_α^{s| L^i=l}分别取决于i和s的损失的边际分布以及L^i和L^s之间的copula。我们讨论的背景下,量化和分析的系统性风险贡献的影响。这使得,例如,我们将分析,L^i,L^s和C,对i的风险贡献的边际效应。
2012-11-24 q-fin.RM
Explicit Finite-Sum Tail Risk Measures for Hierarchical Market--Credit Copula Aggregation
University of Torino(都灵大学);Core Dynamics GmbH(Core Dynamics有限公司);Signal Iduna Reinsurance(Signal Iduna再保险公司)
本文提出基于显式有限和公式的分层Copula聚合方法,用于市场-信用风险度量,推导了聚合分布、分位数和尾部损失的确定性表达式,并分析尾部依赖传播,为模拟方法提供确定性替代方案。
2026-10-08 q-fin.RM
Copula based hierarchical risk aggregation - Tree dependent sampling and the space of mild tree dependence
充分模拟风险的能力对保险公司至关重要。Arbenz等人提出的“基于Copula的层次风险聚合”方法提供了一种灵活的方法,近年来引起了人们的广泛关注。本文简要介绍了聚合树模型以及作者提出的抽样算法。该模型的一个重要特征是,所有风险的联合分布没有完全指定,除非添加额外的假设(称为“条件独立假设”)。我们表明,有数值证据表明,抽样算法产生的分布唯一指定的条件独立性假设的近似。我们提出了一个修改后的算法,并提供了一个证明,在一定条件下,所述分布确实是近似我们的算法。我们进一步确定了一个给定的聚合树模型的可行分布的空间,如果我们放弃了条件独立性假设。我们研究了输入参数和树结构的影响,从而得出了聚合树的设计方法。
2015-06-19 q-fin.RM
Modelling cross-border systemic risk in the European banking sector: a copula approach
我们提出了一种新的方法的基础上马歇尔-奥尔金(MO)copula模型的跨境系统性风险。拟议的框架估计的影响,系统性和特异质成分的系统性风险。首先,我们提出了一个最大似然方法来估计MO copula的参数。为了使用非困境银行的数据进行这些估计,我们认为时间银行倒闭作为删失样本。因此,我们提出了一个估计程序的MO copula删失数据。来自欧洲银行的经验证据表明,所提出的删失模型避免了可能低估的传染风险。
2014-11-05 q-fin.RM q-fin.ST
The checkerboard copula and dependence concepts
针对随机向量边缘分布不全是连续时的copula选择问题,提出使用在灵活性区域内分布尽可能均匀的checkerboard copula,其具有最大Shannon entropy且保留相依性信息,并在分散化惩罚和co-risk measures计算中展现优势。
2025-02-04 q-fin.RM
Portfolio credit risk with Archimedean copulas: asymptotic analysis and efficient simulation
本文提出用阿基米德连接函数建模信用组合极端相依性,推导尾部概率与期望短缺的渐近式,并据此设计两种高效方差缩减算法,显著提升蒙特卡洛模拟效率。
2024-11-11 q-fin.RM
Copula Analysis of Risk: A Multivariate Risk Analysis for VaR and CoVaR using Copulas and DCC-GARCH
该研究结合 DCC-GARCH 与多类 copula,对金融时间序列中的 VaR 和 CVaR 进行多元风险度量,并通过拟合优度比较评估各类方法。
2025-05-11 q-fin.CP q-fin.RM q-fin.ST
Analyzing selected cryptocurrencies spillover effects on global financial indices: Comparing risk measures using conventional and eGARCH-EVT-Copula approaches
本研究采用eGARCH-EVT-Copula混合方法,分析加密货币对全球金融指数的风险溢出,发现加密货币间溢出显著但对其他资产影响小,提供分散化而非对冲优势,且RVaR优于ES。
2024-07-22 q-fin.RM
The t copula with Multiple Parameters of Degrees of Freedom: Bivariate Characteristics and Application to Risk Management
t Copula常用于风险管理,因为它允许对风险之间的尾部依赖进行建模,并且易于模拟和校准。然而,标准t copula的使用经常受到批评,因为它的自由度(DOF)的单一参数的限制,这可能会限制其在多变量情况下建模尾部依赖结构的能力。为了克服这个问题,分组t copula最近被提出,其中风险被分组先验的方式,每个组有一个标准的t copula与其特定的自由度参数。在本文中,我们提出了一个分组的t Copula,其中每个组只包括一个风险因素,所以先验分组是不需要的。研究了二元情形下的Copula特征。我们解释模拟和校准程序,包括模拟研究有限样本的最大似然估计和肯德尔的tau近似。这种新的copula可以显着不同于标准的t copula的风险措施,如尾部依赖性,风险价值和预期亏损。关键词:分组t Copula、尾部相依、风险管理。
2010-02-16 math.PR q-fin.CP q-fin.RM
Multivariate heavy-tailed models for Value-at-Risk estimation
为了风险价值估计的目的,我们考虑了几个多元家庭的重尾分布,这可以被看作是多维版本的Paretian稳定和学生的t分布,允许不同的边缘有不同的尾部厚度。在讨论了相关的估计和模拟问题后,我们使用美国股票价格的历史数据,对一组包含衍生工具的投资组合进行了回溯测试研究。
2011-12-19 q-fin.RM
Multivariate backtests and copulas for risk evaluation
本研究利用二元copula和概率积分变换,通过回测验证金融时间序列的风险预测,发现Student copula能有效刻画依赖关系,且基于历史创新的预测在样本外表现良好。
2023-11-19 q-fin.RM q-fin.ST
Risk aggregation and capital allocation using a new generalized Archimedean copula
在本文中,我们解决的风险聚集和资本配置问题的风险之间的依赖性存在。的依赖结构定义的混合伯恩斯坦copula,它代表了一个推广的著名的阿基米德copula。利用这种新的Copula函数,得到了总风险的概率密度函数和累积分布函数。然后,基本的风险度量,如尾部风险价值(TVaR)和基于TVaR的分配,封闭式表达式推导。
2021-03-19 q-fin.CP q-fin.PM q-fin.PR
Bounds for randomly shared risk of heavy-tailed loss factors
对于一个风险向量$V$,其分量在代理人之间通过某种随机机制共享,我们得到了市场中个体代理人的暴露风险和聚集风险的渐近上下界。风险是通过风险价值或条件尾部预期来衡量的。我们假设帕累托尾的组件$V$和任意的依赖结构,在一个多元的定期变化设置。上界和下界由$V$的渐近独立和完全相关分量相对于尾部指数$α$小于或大于1给出。反例,其中非线性聚合函数没有边界,完成图片。
2016-04-11 q-fin.RM
On Value at Risk for foreign exchange rates - the copula approach
本文的目的是确定风险价值(VaR)的投资组合,包括在新兴市场的外汇多头头寸。基于经验数据,我们限制自己的情况下,这些资产的对数收益率分布的尾部遵循幂律和相关copula C的下尾遵循幂律的程度1。我们将通过对波兰外汇市场欧元和瑞士法郎汇率的分析来说明这种方法的实用性。
2006-08-18 physics.soc-ph q-fin.RM
Copula-Based Factor Model for Credit Risk Analysis
评估信用风险的标准定量方法采用基于联合多元正态分布特性的因子模型。通过扩展单因子高斯Copula模型,将状态依赖的回收率引入到条件因子加载中,并通过共享唯一的公共因子来对它们进行建模,以实现更准确的违约预测。公因子同时控制违约率和回收率,并隐含地建立了它们之间的关联。根据巴塞尔协议III,本文表明,在繁忙时期,违约的趋势更多地取决于系统风险,而不是特质风险。在所考虑的模型中,具有随机因子加载和状态依赖的恢复率的模型在违约预测上是最优越的。
2020-10-06 q-fin.RM q-fin.ST
Robust risk evaluation of joint life insurance under dependence uncertainty
Graduate School of Economics, Hitotsubashi University(一桥大学经济学研究科)
本文研究了在依赖不确定性下联合人寿保险产品的稳健定价与风险评估,通过Copula的顺序关系证明了风险度量的单调性,并提出基于规范球的线性规划方法改进现有界。
2026-03-27 q-fin.RM
On a multivariate extension for Copula-based Conditional Value at Risk
Faculty of Economics, Keio University(庆应义塾大学经济学部)
本文提出基于Copula的条件价值风险(CCVaR)的多元扩展,针对多维随机向量,推导出在Archimedean copula下的近似闭式表达式,并探讨其协整条件,最后通过实数据验证与传统VaR和CVaR进行比较。
2025-08-22 math.ST q-fin.PM q-fin.RM
Risk aggregation with empirical margins: Latin hypercubes, empirical copulas, and convergence of sum distributions
本文研究了由Copula函数赋予经验边际所构造的多元分布的收敛性质。此设置包括具有相关性的拉丁超立方体采样,也称为Iman-Conover方法。这里讨论的主要问题是组成部分总和的收敛,这与保险和金融中的风险汇总有关。本文表明,CLT的聚合风险分布是不可用的,使基本的数学问题超越了经典的功能CLT的经验copula。这个问题是相关的蒙特卡罗为基础的风险聚集在所有的多变量模型插入经验利润率到copula。代替泛函CLT,本文建立了估计的和分布函数的强一致相合性,并给出了概率收敛速度$O(n^{-1/2})$的充分判据。这些收敛结果对所有有界密度的copula都成立。具有无界密度的例子包括二元克莱顿和高斯Copula。收敛结果并不特定于分量和,也适用于任何其他分量非减聚集函数。另一方面,联合分布估计的收敛性更容易证明,包括CLT。除了Iman-Conover估计,本文的结果适用于多元分布,通过将经验利润插入到一个确切的Copula或通过将确切的利润插入到一个经验Copula。
2015-08-11 q-fin.RM stat.CO stat.ME
Involving copula functions in Conditional Tail Expectation
本文的目标是提出一种替代的风险度量,它考虑了损失的波动和随机变量之间可能的相关性。这种新的风险度量概念,我们称之为Copula条件尾期望,描述了在潜在的二元风险超过二元门限值的情况下,可以经历的预期风险量,并提供了一个重要的右尾风险度量。实际的财务数据的应用。
2014-04-02 math.ST q-fin.RM stat.AP
Sequential Monte Carlo Samplers for capital allocation under copula-dependent risk models
在本文中,我们假设一个多变量风险模型已经开发的投资组合和它的资本作为一个齐次风险度量。因此,欧拉(或梯度)原理指出,要分配给投资组合每个组成部分的资本必须作为一个以罕见事件为条件的预期来计算,这在实践中可能具有挑战性。我们利用投资组合风险中的Copula依赖性,设计了一个基于序贯蒙特卡罗采样器的边际条件期望估计,并通过一系列计算实例说明了其有效性.
2015-02-17 q-fin.RM stat.AP stat.CO
Principal Component Copulas for Capital Modelling and Systemic Risk
本文提出主成分连接函数(PCCs),结合连接函数与主成分分析,用于高维尾部依赖建模,并在国际股市中有效度量系统性风险,对资本模型具有应用价值。
2025-07-10 econ.EM q-fin.RM stat.ME
Asymptotic Properties of Generalized Shortfall Risk Measures for Heavy-tailed Risks
本文研究广义短缺风险度量,推导其一阶和二阶渐近展开,统一了扭曲与效用型短缺风险度量,并基于分位数构造极端水平估计量,数值示例验证了准确性。
2024-11-11 q-fin.RM
Quantum Implementation of Risk Analysis-relevant Copulas
现代定量风险管理依赖于尾部相关性的充分建模和风险度量的可能准确量化,如风险价值(VaR),在高置信水平(如1/100甚至1/2000)下。量子计算使得这样的量化比蒙特卡罗方法更有效;参见(Woerner和Egger,2018),以及更广泛的视角(Orús等人,2018年)。风险分析工具箱的一个重要元素是copula,参见(Jouanin et al.,2004年,在金融领域。然而,据作者所知,到目前为止,还没有量子计算实现以显式形式从风险建模相关的copula中进行采样。我们在这里的重点是实现简单而强大的copula模型,能够令人满意地捕捉建模的风险因素的联合尾部行为。本文讨论了几个简单的copula族,包括在(Milek,2014)中提出的多元B11(MB 11)copula族。我们将证明,这个copula家族适合于风险聚集,因为它特别能够再现尾部依赖结构;参见(Embrechts et al.,2016)的相关基准以及关于最终可行的二元尾部依赖结构的必要和充分条件。事实证明,这样的离散copula可以使用量子计算中存在的简单构造来表示:二进制分数扩展格式,共单调/独立随机变量,受控门和凸组合,因此适合于量子计算机实现。本文介绍了量子实现电路背后的设计,数值和符号模拟结果,以及在IBM量子计算机上的实验验证。本文还提出了一种通用的方法,量子实现任何离散copula。
2020-03-09 q-fin.CP q-fin.RM quant-ph
Probability equivalent level for CoVaR and VaR in bivariate Student-\textit{t} copulas with application to foreign exchange risk monitoring
本研究扩展PELCoV方法至Student-t copula双变量风险,动态监测外汇市场风险溢出,能捕捉尾部依赖,并在1999-2024年USD/GBP与USD/EUR数据上验证其早期预警能力。
2025-10-06 math.PR q-fin.RM
Modeling dependence in sparse time series of Insurance Claims
Politecnico di Milano(米兰理工大学);University of Edinburgh(爱丁堡大学)
提出Comb-Bernoulli模型,结合Lévy copulas和零混合模型的优势,实现稀疏保险风险时间序列依赖的易处理模拟、似然评估和参数估计,并在丹麦火灾保险数据中验证了建模优势和数值效率。
2026-05-25 q-fin.RM
Copula-based Risk Aggregation with Trapped Ion Quantum Computers
Copula是用于建模联合概率分布的数学工具。由于Copula使人们能够方便地分别处理每个变量的边际分布和变量之间的相互依赖关系,在过去的60年里,它们已经成为从定量金融和土木工程到信号处理和医学等各个领域的经典计算机上的重要分析工具。最近的发现是,Copula可以被表示为最大纠缠量子态,这揭示了一种有希望实现实际量子优势的方法:更快地执行任务,需要更少的内存,或者,如我们所展示的,产生更好的预测。随着建模变量的精度和数量的增加,研究这种量子方法的可扩展性对于其在现实世界中的应用至关重要。在本文中,我们成功地应用量子线路玻恩机(QCBM)的基础上的方法来建模3和4变量Copula的囚禁离子量子计算机。我们研究训练QCBM与不同级别的精度和电路设计上的模拟器和一个国家的最先进的捕获离子量子计算机。我们观察到随着模型规模的扩大,由于参数优化的复杂性增加,训练效率降低。为了应对这一挑战,我们引入了一种退火策略,可以显著提高训练结果。在我们的端到端测试中,量子模型的各种配置在风险聚合任务中比标准经典模型做出了相当或更好的预测。我们使用量子计算对copula范式的详细研究为其在各个行业的部署提供了机会。
2022-06-23 q-fin.RM quant-ph
Switching-GAS Copula Models With Application to Systemic Risk
最近的金融灾难强调了准确预测极端金融损失及其对特定金融市场机构的后果的必要性。计量经济学模型预测极端事件的能力在很大程度上依赖于它们的灵活性,以解释在金融回报中观察到的高度非线性和不对称的依赖性。我们开发了一类新的灵活的Copula模型的依赖参数的演变遵循马尔可夫开关广义自回归分数(SGASC)的动态。极大似然估计始终使用边际推断函数(IFM)方法和专为此类模型定制的期望最大化(EM)算法版本进行。然后,SGASC模型用于估计条件风险价值(CoVaR),其定义为给定资产在另一资产(或投资组合)处于财务困境的条件下的VaR,以及条件预期短缺(CoES)。我们的实证研究表明,建议的SGASC模型能够解释和预测几个欧洲国家的系统性风险的贡献。此外,我们还发现,SGASC模型优于竞争对手使用几个CoVaR回测程序。
2016-01-21 q-fin.RM stat.ME
Predicting tail events in a RIA-EVT-Copula framework
预测尾部事件的发生在金融风险管理中具有重要意义。通过采用超阈值峰值法(POT)来识别金融极值,我们对这些极值进行了递归区间分析(RIA)。我们发现,连续极值之间的等待时间(复发间隔)遵循$q$ -指数分布和极端的大小以上的阈值(超过大小)符合广义Pareto分布。我们还发现,有一个显着的相关性之间的复发间隔和超过的大小。因此,我们通过连接的两个相应的边缘分布与弗兰克和AMH Copula函数的复发间隔和超出大小的联合分布模型,并应用此联合分布估计的风险概率,以观察另一个极端在$Δt$时间,因为最后一个极端发生$t$时间前。在此基础上,应用风险概率决策算法,提出了基于RIA-EVT-Copula的极值预测模型。样本内和样本外的检验结果表明,与仅基于重现区间分布估计风险概率的预测模型相比,该极值预测框架具有更好的预测性能。我们的研究结果不仅为理解金融市场极端事件的发生规律提供了新的思路,而且为风险管理提供了更准确的金融极端事件预测方法。
2020-04-08 q-fin.RM
A copula based Markov Reward approach to the credit spread in European Union
本文提出了一种基于分段齐次马尔可夫链的信用评级方法和一个多变量信用利差模型来评估欧盟(EU)的金融风险。主要考虑两个方面:金融风险如何在欧洲国家之间分配,以及总风险的价值有多大。第一方面通过动态熵度量的期望值来评估。第二个问题是通过计算总信用利差随时间的演变来解决的。此外,国家之间的总蔓延的协方差允许了解任何传染在欧盟。该方法适用于24个国家的实际数据的三个主要机构:穆迪,标准普尔和惠誉。所获得的结果表明,金融风险的不平等和总风险的价值随着时间的推移,在不同的利率取决于评级机构和依赖结构的特点是大多数欧洲国家之间的强相关性增加。
2019-02-02 q-fin.CP q-fin.RM
Shaping tail dependencies by nesting box copulas
我们引入了一族在任何给定维数的单位立方体内部局部分段一致的copula。在该家庭中,同时控制所有投影的立方体的面的尾部依赖性是可能的,我们给出了一个有效的采样算法。这两个属性的组合可能会吸引风险建模者。
2009-08-11 q-fin.CP q-fin.RM
Robust Bernoulli Mixture Models for Credit Portfolio Risk
University of Salzburg(萨尔茨堡大学);University of Freiburg(弗赖堡大学)
本文提出稳健的伯努利混合模型用于信用组合风险建模,通过凸序比较和尾部依赖性分析提升风险评估的鲁棒性。
2025-12-23 q-fin.MF q-fin.RM
Copula-based Hierarchical Aggregation of Correlated Risks. The behaviour of the diversification benefit in Gaussian and Lognormal Trees
分散风险的好处很难定量估计,因为风险之间的依赖结构存在不确定性。此外,多维依赖关系的建模是一项重要的任务。本文重点介绍了这样一种技术的投资组合聚合,即聚合树内的风险,依赖关系设置在每个步骤的聚合与一些copula的帮助。我们严格定义这个过程,然后广泛研究的高斯树相当任意的大小和形状,个人的风险是正常的,高斯copula。我们得到准确的分析结果的高斯树作为其形状和依赖参数的函数的多样化的好处。这种聚合树的“玩具模型”使人们能够理解在以这种方式聚合风险时起作用的基本现象。特别是,它表明,对于一个固定数量的个人风险,“瘦”树多样化比“胖”树。与此相关的,它示出了层次树具有自然的倾向,以降低整体的依赖性相对于在聚合的每一步选择的依赖性参数。我们还表明,这些结果在高斯世界以外的更一般的情况下,并特别适用于更现实的投资组合(对数正态树)。我们认为,任何使用这种工具的保险公司或再保险公司都应该意识到这些系统性影响,这种意识应该强烈要求设计出充分适合业务的树。我们最后解决的问题,指定的风险之间的充分联合分布。我们表明,分层机制不需要也不指定的联合分布,但后者可以确定正是(在高斯的情况下)通过添加条件独立的假设之间的风险和他们的总和。
2011-11-10 q-fin.CP q-fin.PM q-fin.RM
Model-free bounds on Value-at-Risk using extreme value information and statistical distances
我们得到的分布函数上的界限,因此也对风险价值,$φ(\mathbf X)$的$φ$是一个聚合函数和$\mathbf X = (X_1,\dots,X_d)$是一个随机向量与已知的边际分布和部分已知的依赖结构。更具体地说,我们分析了三种类型的可用信息的依赖结构:首先,我们考虑的情况下,极值信息,如分布的部分极小值和极大值的$\mathbf X$,是可用的。为了将这些信息包括在风险价值界限的计算中,我们利用一个简化原理,将这个问题与一个标准Fréchet类上的优化问题联系起来,然后通过重排算法或使用分析结果来解决这个问题。其次,我们假设$\mathbf X$的copula在其定义域的一个子集上是已知的,最后我们考虑了$\mathbf X$的copula位于参考copula附近的情况。为了获得风险价值的界限,在后者的情况下,我们首先改进的Fréchet-Hoeffding界限Copula,以便包括这个额外的信息的依赖结构。然后,我们将改进的Fréchet-Hoeffding边界上的风险价值使用所谓的改进的标准边界上的边界。在数值例子中,我们说明了额外的信息通常会导致显着改善的边界相比,只有边缘的情况下。
2018-11-17 math.PR q-fin.RM
Conditional loss probabilities for systems of economic agents sharing light-tailed claims with analysis of portfolio diversification benefits
我们分析系统的代理人分享轻尾风险索赔所发出的不同的金融对象。在索赔额服从指数分布的假设下,我们得到了代理人和系统的损失均服从广义指数混合分布。我们发现,这导致定性不同的结果相比,在文献中研究的重尾索赔的个人和系统风险。通过推导条件损失分布,我们研究了压力情况对代理人和系统损失的影响。此外,我们提出了一个标准,代理人来决定是否持有少数对象或投资组合多元化,最大限度地减少他们的风险,在系统危机的情况下。
2016-12-21 math.PR q-fin.RM
Two-Stage Stochastic International Portfolio Optimisation under Regular-Vine-Copula-Based Scenarios
在本文中,我们提出了一个两阶段的随机国际投资组合优化模型,以找到一个最佳的配置组合的资产和货币对冲头寸。我们的优化模型允许“货币覆盖”,或货币风险与资产风险的偏离,以提供对冲货币风险或利用货币风险进行投机的灵活性。与交易及对冲相关的交易成本亦包括在内。为了模拟多元收益率分布的现实依赖结构,提出了一种新的情景生成方法,采用正则藤copula。葡萄树连接函数的使用可以更好地表示收益的特征,特别是它们的非正态性和非对称依赖性。因此,它提高了国际投资组合优化问题所需的决策的不确定性的代表性。有效的投资组合优化方案产生的新藤copula方法与标准的情景生成方法的投资组合进行了比较。实验结果表明,所提出的方法,使用现实的非正态不确定性,产生的投资组合,提供更好的风险回报回报比那些从标准的场景生成方法,使用正态分布。当投资组合被限制要求更高的回报时,风险回报补偿的差异最大。本文表明,它可以是重要的不确定性的非正态建模,而不仅仅是假设正态分布。
2017-04-04 cs.CE q-fin.RM
Risk aggregation and stochastic dominance for a class of heavy-tailed distributions
本研究提出一类新的重尾分布,证明其独立同分布变量的加权平均在随机序下占优于单变量,且该结论可推广至负相关、非同分布情形,后者的加权平均还占优于分布混合,为风险聚合分析提供了理论支撑。
2025-05-08 econ.TH math.PR q-fin.RM
Measuring risk contagion in financial networks with CoVaR
本文针对金融网络风险传染测度问题,构建二分图金融网络模型,结合厚尾分布与copula模型刻画资产收益特征,研究CoVaR的渐近行为并提出极端CoVaR指数,通过两类经典copula模型验证了方法的有效性。
2025-05-22 math.PR q-fin.RM
Tails of correlation mixtures of elliptical copulas
椭圆copula的相关混合出现时,相关参数是由一个潜在的随机过程驱动本身。对于这样的copula,倒数第二和渐近尾依赖性是远远大于普通的椭圆copula具有相同的无条件相关性。此外,对于高斯和学生t-copula,亚渐近水平的尾部依赖性通常大于极限,这可能对极端风险的估计和评估产生严重后果。最后,虽然高斯Copula的相关混合继承了渐近独立的性质,但同时它们属于新定义的近渐近依赖的范畴。通过模拟研究和涉及金融时间序列的案例研究,这些研究结果的建模的后果进行评估。
2009-12-17 math.ST q-fin.RM q-fin.ST
Portfolio optimization for heavy-tailed assets: Extreme Risk Index vs. Markowitz
利用2001 - 2011年标准普尔500指数的日收益率,对基于极端风险指数(ERI)的投资组合优化策略进行了回测研究。该方法利用多变量极值理论来最小化大的投资组合损失的概率。有超过400只股票可供选择,我们的研究似乎是极值技术在投资组合管理中的首次大规模应用。我们调查的主要目的是ERI在实践中的潜力。该策略的绩效是以最小方差投资组合和等权重投资组合为基准的。这些基本策略是大规模应用的重要基准。我们的比较包括年化投资组合收益率、最大提取、交易成本、投资组合集中度和投资组合中的资产多样性。除此之外,我们还研究了另一种尾部指数估计量的影响。我们的研究结果表明,ERI策略显着优于最小方差投资组合和同等权重的投资组合的资产与重尾。
2015-05-15 q-fin.PM q-fin.RM
Optimizing tail risks using an importance sampling based extrapolation for heavy-tailed objectives
出于突出的条件风险价值(CVaR)作为衡量尾部风险的设置受不确定性的影响,我们开发了一个新的公式近似基于CVaR的优化目标和它们的梯度从有限的样本。一个关键的困难,限制了广泛的实际使用这些优化配方是大量的数据所需的国家的最先进的样本平均近似计划,以近似CVaR目标高保真。不同于国家的最先进的样本平均近似,需要不切实际的大量数据的尾部概率区域,建议的近似方案利用重尾分布的自相似性外推数据从合适的较低的分位数。所得到的近似被证明是统计上一致的,并适合通过传统的梯度下降优化。该近似是指导通过系统的重要性抽样方案,其渐近方差降低性能进行严格检查。数值实验表明,所提出的近似的优越性和易于实施点的多功能性设置的近似方案可以应用。
2020-08-22 q-fin.PM q-fin.RM stat.ME
Measuring non-exchangeable tail dependence using tail copulas
量化尾部相关性是保险和风险管理中的一个重要问题。然而,普遍的尾部依赖系数(TDC)被认为低估了尾部依赖的程度,并且它没有捕获不可交换的尾部依赖,因为它仅沿着主对角线评估极限尾部概率。为了克服这些问题,两个新的尾部相关措施,称为最大尾部一致性措施(MTCM)和平均尾部一致性措施(ATCM)的建议。这两种措施都是基于尾部copula构造的,并具有明确的概率解释,MTCM评估了尾部所有可比矩形中的最大极限概率,ATCM是这些极限概率的归一化平均值。与TDC相比,所提出的措施可以捕获不可交换的尾部相关性。所提出的措施的分析形式也来自各种copula。一个真实的数据分析表明,股票指数的收益序列的尾部依赖性和尾部非交换性,特别是在金融危机时期。
2023-02-11 math.ST q-fin.RM stat.TH
Paths and indices of maximal tail dependence
我们证明了分析和数值计算,现有的方法来衡量尾部依赖的Copula有时可能会低估的程度,极端的相关风险的共同运动,因此,可能并不总是符合新的范式,审慎的风险管理。这种现象在有奇点和无奇点的对称和非对称copula的上下文中都成立。作为一种补救措施,我们引入了最大(尾)依赖路径的概念,并利用它提出了几个新的指数的尾依赖。建议的新指数是保守的,符合现代量化风险管理的基本概念,并能够区分不同的风险头寸的情况下,现有的指数无法做到这一点。
2016-07-16 math.PR math.ST q-fin.RM