Kopula-Modelle

Eine Kopula ist eine multivariate Verteilung mit uniformen Randverteilungen, die die Abhängigkeit zwischen Variablen getrennt von ihren individuellen Randverteilungen kodiert.

Definition

Ein Kopula-Modell stellt eine gemeinsame Verteilung dar, indem es beliebige Randverteilungen mit einer Kopula-Funktion kombiniert, die die Abhängigkeitsstruktur auf dem Einheits-Hyperwürfel der uniformen Randverteilungen erfasst.

Scope

Dieses Thema behandelt Sklars Theorem und die Zerlegung einer gemeinsamen Verteilung in Randverteilungen und eine Kopula, gängige Kopula-Familien wie die Gauß-, t- und Archimedische Kopula, Abhängigkeitsmaße einschließlich Rangkorrelation und Schwanzabhängigkeit sowie die Schätzung und Simulation von Kopula-basierten Modellen.

Core questions

• Wie kann Abhängigkeit getrennt von Randverteilungen modelliert werden?
• Welche Kopula-Familien erfassen welche Arten von Abhängigkeit, einschließlich Schwanzabhängigkeit?
• Wie werden Kopula-Modelle geschätzt und simuliert?
• Wann ist die Abhängigkeit in den Extrembereichen für das gemeinsame Risiko relevant?

Key theories

Sklars Theorem

Jede multivariate Verteilung kann als Funktion ihrer Randverteilungen und einer diese verbindenden Kopula ausgedrückt werden, und für kontinuierliche Randverteilungen ist die Kopula eindeutig, was die getrennte Modellierung von Randverteilungen und Abhängigkeit rechtfertigt.

Schwanzabhängigkeit

Verschiedene Kopulas implizieren unterschiedliche Grade des gemeinsamen Extremverhaltens; Schwanzabhängigkeitskoeffizienten quantifizieren die Tendenz von Variablen, gemeinsam extreme Werte anzunehmen, eine Eigenschaft, die der Gauß-Kopula fehlt, die aber die t- und bestimmte Archimedische Kopulas besitzen.

Clinical relevance

Kopula-Modelle werden häufig zur Modellierung und Simulation von Abhängigkeiten in der quantitativen Finanzwirtschaft und Versicherung, Hydrologie und Zuverlässigkeit eingesetzt, wo das gemeinsame Auftreten extremer Ereignisse von primärer Bedeutung ist.

History

Das Kopula-Konzept wurde 1959 von Sklar eingeführt, wobei sein Theorem die Trennung von Randverteilungen und Abhängigkeit etablierte. Kopulas erlangten ab dem späten 20. Jahrhundert in der angewandten Abhängigkeitsmodellierung, insbesondere im Risikomanagement, an Bedeutung, wo die Einschränkungen der Gauß-Kopula in den Extrembereichen später genauer untersucht wurden.

Debates

Missbrauch der Gauß-Kopula

Die Gauß-Kopula wurde in der Finanzrisikomodellierung weit verbreitet angewendet, weist jedoch keine Schwanzabhängigkeit auf, sodass sie die Wahrscheinlichkeit gemeinsamer extremer Verluste erheblich unterschätzen kann, eine Einschränkung, die im Zuge der Finanzkrise deutlich wurde.

Key figures

• Abe Sklar
• Roger Nelsen
• Harry Joe

Seminal works

• nelsen2006
• joe1997
• mcneil2015

Frequently asked questions

Warum Randverteilungen von der Abhängigkeit trennen?

Dies ermöglicht es, die Randverteilung jeder Variablen mit ihrer eigenen geeigneten Form zu modellieren, während die Kopula unabhängig erfasst, wie sich die Variablen gemeinsam bewegen, was eine große Modellierungsflexibilität bietet.

Was ist Schwanzabhängigkeit?

Es ist die Tendenz von Variablen, gleichzeitig extreme Werte anzunehmen; Kopulas unterscheiden sich darin, ob sie solche gemeinsamen Extreme zulassen, was für die Modellierung des gemeinsamen Risikos von großer Bedeutung ist.