Modelos de Cópula
Una cópula es una distribución multivariada con márgenes uniformes que codifica la dependencia entre variables separadamente de sus distribuciones marginales individuales.
Definition
Un modelo de cópula representa una distribución conjunta combinando distribuciones marginales arbitrarias con una función de cópula que captura la estructura de dependencia en el hipercubo unitario de márgenes uniformes.
Scope
Este tema abarca el teorema de Sklar y la descomposición de una distribución conjunta en márgenes y una cópula, familias de cópulas comunes como las cópulas gaussiana, t y arquimediana, medidas de dependencia que incluyen la correlación de rango y la dependencia de cola, y la estimación y simulación de modelos basados en cópulas.
Core questions
- ¿Cómo se puede modelar la dependencia separadamente de las distribuciones marginales?
- ¿Qué familias de cópulas capturan qué tipos de dependencia, incluida la dependencia de cola?
- ¿Cómo se estiman y simulan los modelos de cópula?
- ¿Cuándo importa la dependencia en las colas para el riesgo conjunto?
Key theories
- Teorema de Sklar
- Toda distribución multivariada puede expresarse en términos de sus distribuciones marginales y una cópula que las vincula, y para márgenes continuos la cópula es única, lo que justifica el modelado separado de márgenes y dependencia.
- Dependencia de cola
- Diferentes cópulas implican diferentes grados de comportamiento extremo conjunto; los coeficientes de dependencia de cola cuantifican la tendencia de las variables a tomar valores extremos juntas, una propiedad de la que carece la cópula gaussiana pero que poseen la cópula t y ciertas cópulas arquimedianas.
Clinical relevance
Los modelos de cópula se utilizan ampliamente para modelar y simular la dependencia en finanzas cuantitativas y seguros, hidrología y fiabilidad, donde la ocurrencia conjunta de eventos extremos es de principal preocupación.
History
El concepto de cópula fue introducido por Sklar en 1959, con su teorema estableciendo la separación de márgenes y dependencia. Las cópulas cobraron importancia en el modelado de dependencia aplicada a partir de finales del siglo XX, especialmente en la gestión de riesgos, donde las limitaciones de la cópula gaussiana en las colas fueron posteriormente objeto de escrutinio.
Debates
- Mal uso de la cópula gaussiana
- La cópula gaussiana se aplicó ampliamente en el modelado de riesgo financiero, pero no tiene dependencia de cola, por lo que puede subestimar gravemente la probabilidad de pérdidas extremas conjuntas, una limitación destacada a raíz de la crisis financiera.
Key figures
- Abe Sklar
- Roger Nelsen
- Harry Joe
Related topics
Seminal works
- nelsen2006
- joe1997
- mcneil2015
Frequently asked questions
- ¿Por qué separar los márgenes de la dependencia?
- Permite que la distribución marginal de cada variable se modele con su propia forma apropiada, mientras que la cópula captura de forma independiente cómo se mueven las variables juntas, lo que proporciona una gran flexibilidad de modelado.
- ¿Qué es la dependencia de cola?
- Es la tendencia de las variables a tomar valores extremos simultáneamente; las cópulas difieren en si permiten tales extremos conjuntos, lo que es de gran importancia para modelar el riesgo conjunto.