Ukuran Bersyarat Risiko Tail-ketergantungan dengan

Copulas

Abstrak Dengan penggabungan dan globalisasi pasar keuangan, ketergantungan hubungan antara
waktu keuangan seri memperkuat, terutama ketika kejadian ekstrem terjadi, efek ketergantungan
adalah lebih jelas. Ini sangat menarik untuk menyelidiki struktur ketergantungan dan
ukuran ekor bagian dari time series. dalam hal ini kertas, beberapa probabilitas ketergantungan
dan ukuran risiko bersyarat ekor-ketergantungan yang diusulkan untuk mempelajari risiko
ketergantungan ekor time series.
Kata kunci kopula; Conditional ekor ketergantungan; Mengukur Risiko; kekurangan diharapkan

1. PENDAHULUAN

Risiko Ketergantungan pengukuran manajemen risiko portofolio adalah salah satu yang
paling isu-isu penting. Hal ini juga diketahui linear yang korelasi memiliki beberapa
kekurangan yang satu adalah bahwa tidak lain di bawah non-linear ketat meningkatkan
transformasi, dan yang lainnya adalah bahwa hal itu tidak dapat mengukur struktur
ketergantungan dua time series, seperti korelasi non-linear, kurtosis, lemak-ekor dan
ekor-ketergantungan. sementara Tindakan ketergantungan berasal dari copulas dapat
mengatasi kekurangan ini. Dari waktu ketika Embrechts et al. (2001) [1] mengusulkan
penerapan fungsi kopula dalam rangka membuat model distribusi multivariat retur, yang
fungsi kopula memiliki aplikasi yang lebih luas di bidang keuangan dan teori copulas
telah mengalami perkembangan pesat [2,3,4] dengan pengembangan perangkat lunak
komputer dan teknologi informasi. Hal ini juga diketahui bahwa kurtosis dan asimetri
biasanya dilaporkan untuk pengembalian individu, sedangkan literatur terbaru memiliki
juga menyoroti dampak dari ketergantungan antara variabel keuangan dalam risiko total
portofolio, lihat Longin dan Solnik (2001) [5] dan Ang dan Chen (2002) [6]. Banyak
digunakan mengukur risiko portofolio VaR, yang menghitung kerugian yang akan
melebihi diberikan cakrawala waktu dan tingkat probabilitas, bergantung pada spesifikasi
akurat multivariat distribusi pengembalian aset. Clemente dan Romano (2003) [7]
mempelajari ibukota Italia pasar berdasarkan EVT dan kopula teori dan diperoleh nilai
VaR dengan metode simulasi. Rosenberg dan Schuermann (2004) [8] dipekerjakan VaR
sebagai pengukuran risiko untuk menyelidiki risiko pasar, risiko kredit dan operasional
berdasarkan kopula risiko. Meskipun VaR adalah kuat alat untuk manajemen risiko, tidak
koheren mengukur risiko, karena tidak sub-aditif. untuk mengatasi masalah ini, Artzner,
Delbaen, Eber, & Heath (1998) [9] mengusulkan konsep kekurangan diharapkan dan
kekurangan median. Distribusi normal bersama dan lebih umumnya distribusi elips
membatasi jenis hubungan antara margin untuk menjadi linear, tetapi struktur
ketergantungan lain seperti korelasi peringkat dan ketergantungan ekor juga harus
dipertimbangkan oleh manajer risiko. Jika tidak, jika dependensi tersebut tidak
diperhitungkan, risiko portofolio secara keseluruhan dapat serius diremehkan.
Ketergantungan ekor struktur dan gelar sangat penting untuk menyelidiki Value-at-Risk
portofolio. konsep koefisien korelasi ekor diusulkan oleh Joe (1997) [10], dan Juri (2002)
[11,12] disajikan teori konvergen probabilitas peristiwa ekor berdasarkan kopula.
Makalah ini menyajikan beberapa probabilitas bersama dan tindakan berisiko koherensi
kondisional ekor-ketergantungan time series menggunakan kopula fungsi untuk
menyelidiki risiko keuangan portofolio. Penelitian kami berfokus pada kondisi
Struktur makalah ini adalah sebagai berikut. Bagian 2 memperkenalkan notasi kopula dan
beberapa tindakan ketergantungan ekor. bagian 3 menyajikan beberapa risiko ekor
ketergantungan bersyarat langkah-langkah untuk mempelajari struktur ketergantungan dan
derajat ketergantungan dari portofolio. bagian 4 menyimpulkan kertas.

2. COPULA DAN PERILAKU KEBERGANTUNGAN EKOR

2.1 copula

Fakta yang paling menarik di kopula yang Kerangka adalah Sklar ini (1959) [2]
Teorema. A fungsi kopula didefinisikan sebagai suatu multivariat distribusi dengan
seragam standar marginal distribusi atau sebagai fungsi yang memetakan nilai-nilai
dari unit hypercube untuk menilai di unit interval. Jika distribusi gabungan dari X dan

dengan distribusi marjinal kontinu Y H ??, ?? F ??? dan, masing-masing, maka ada
sebuah kata kerja penghubung yang unik G ??? C ??, ?? sehingga sendi distribusi
dapat ditulis sebagai

Dari ungkapan ini, kita dapat melihat bahwa kata kerja penghubung apapun C ??, ??
berkaitan dengan fungsi H ??, ?? bisa juga dinyatakan sebagai

2.2 perilaku kebergantungan ekor

Struktur ketergantungan X dan ditandai dengan kata kerja penghubung tersebut,

apalagi, ukuran ketergantungan adalah invarian dalam ketat meningkatkan
transformasi dari variabel acak. Misalnya, Kendall tau (Y) dan Spearman rho (?)
adalah ukuran invarian skala yang paling banyak digunakan konkordansi.
(1) kebergantungan ekor

Konsep lain yang penting terkait dengan copulas adalah konsep ketergantungan
ekor atas dan ketergantungan ekor yang lebih rendah. Ekor atas ketergantungan
didefinisikan sebagai

jika limit ini ada. Dua variabel X dan dikatakan asimtotik tergantung pada ekor
atas jika Y ? 0,1 U ? ? 0 U , Dan asimtotik independen jika? ? . Dalam keuangan
konsep ketergantungan ekor atas dapat diartikan

Dalam cara yang sama, semakin rendah ketergantungan ekor didefinisikan

sebagai Dalam hal copulas, L ? bisa dinyatakan dengan menggunakan kata kerja
penghubung yang berkaitan.
 Dalam hal copulas, L ? bisa dinyatakan dengan menggunakan kata kerja
penghubung yang berkaitan.

(2) Ukuran risiko ekor Bersyarat

Dalam manajemen risiko, VaR (value at risk) biasanya bertindak sebagai alat
penting risiko pengukuran. Secara singkat berbicara, VaR adalah potensi
kerugian maksimal posisi dan portofolio dalam beberapa jangka waktu investasi
di bawah mengingat tingkat rahasia dan selama jangka waktu tertentu. Sementara
VaR adalah alat yang ampuh untuk risiko manajemen, itu bukan ukuran risiko
yang koheren dan sub-aditif. Untuk mengatasi masalah ini, C u, u ? . F? L a VaR
bersyarat (menunjukkan CVaR diusulkan untuk memodifikasi ukuran risiko atau
ES) [13] adalah VaR.

dimana X adalah variabel yang mewakili negatif kembali (rugi) aset dan F adalah
distribusi.

Artzner et al. (1998) [9] p sed yang konsep ex kekurangan? ? X e X? dan median
shortfall? ? X e? ? yang masing-masing didefinisikan sebagai

Selanjutnya, oleh VaR X X? ? nilai standardisasi yang diharapkan (median)

kerugian total aset, dua ukuran risiko didefinisikan sebagai

3. CONDITIONAL(BERSYARAT) PERILAKU RISIKO KEBERGANTUNGAN EKOR

Misalkan X dan Y adalah dua variabel acak return negatif dengan distribusi marjinal
fungsi F dan G ??? dan bergabung distribusi Fungsi H ??, ?? yang kopula adalah C ??, ??
. The VaR variabel X pada tingkat kepercayaan 1? adalah diberikan oleh
Y menunjukkan nilai kerugian portofolio yang terdiri dari X dan Y, di mana? adalah
proporsi tertimbang X di portofolio. Ketergantungan VaR portofolio Z di bawah tingkat
percaya diri yang diberikan? didefinisikan sebagai

Kami biasanya menghitung VaR model kopula oleh Metode simulative Monte -Carlo,
karena solusi Algebraical dari VaR tidak mudah bekerja.

Dalam manajemen risiko, satu jauh tertarik pada ketergantungan ekor risiko aset ketika
pasar berada dalam volatilitas yang besar, terutama ketika peristiwa ekstrim terjadi pada
keuangan pasar. Dalam apa yang berikut, kita menyelidiki begitu hubungan ekor
ketergantungan bersyarat dan bersyarat tindakan berisiko ekor-ketergantungan.

Distribusi X di bawah kondisi

sebagai tingkat kepercayaan alpha yang di dapatkan (obtained) dari

The mean loss measures of an individual asset under every individual series exceeds
VaR are defined as

The joint distribution of X and Y under the condition

The mean loss measures of the portfolio under every individual series exceeds VaR are
given as

In what follows, we consider the joint distribution of X and Y under the nmarginal
condition

The mean loss measures of the portfolio under an individual series exceeds VaR are
given as

In similarly, we can define corresponding probabilities and mean loss measures under the
condition such as

Langkah-langkah kerugian rata-rata individu aset di bawah setiap seri individu melebihi
VaR didefinisikan sebagai

Distribusi bersama X dan Y di bawah kondisi

 Langkah-langkah kerugian rata-rata portofolio di bawah setiap seri individu melebihi
VaR diberikan sebagai

Dalam apa yang berikut, kita mempertimbangkan distribusi gabungan dari X dan Y di
bawah kondisi marginal

Langkah-langkah kerugian rata-rata portofolio di bawah seri individu melebihi VaR yang

diberikan sebagai

Dalam cara yang sama, kita dapat mendefinisikan sesuai probabilitas dan berarti
Tindakan kerugian di bawah kondisi seperti

4. KESIMPULAN

Copulas telah menjadi alat yang ampuh untuk pemodelan struktur ketergantungan
keuangan Data dan lebih baik daripada tradisional, korelasi berbasis pendekatan. Tidak
hanya kopula fungsi dapat diterapkan untuk pemodelan struktur ketergantungan antara
risiko individu, tetapi juga untuk mengukur tingkat ketergantungan risiko. Makalah ini
menyangkut penerapan fungsi kerja penghubung di VaR dan kondisional VaR valuasi.
Beberapa probabilitas dan langkah-langkah bersama bersyarat ketergantungan ekor risiko
di bawah bersyarat

diusulkan dalam mempelajari risiko portofolio keuangan tersebut. Seperti kita ketahui
juga bahwa pilihan kopula dapat mempengaruhi pada perkiraan nilai bersyarat pada
risiko dan diharapkan kekurangan.