Copulas und Tail Dependence im Finanzwesen
Erfahren Sie, wie Copulas Randverteilungen von Abhängigkeit trennen, warum Korrelation gemeinsame Extremwerte verfehlt, wie sich Tail Dependence zwischen Copula-Familien unterscheidet und wie Risikoaggregation validiert wird
Kurzantwort
Eine Copula verbindet Randverteilungen zu einer gemeinsamen Verteilung und isoliert ihre Abhängigkeitsstruktur. Tail Dependence misst, ob extreme Ergebnisse gemeinsam wahrscheinlich bleiben, wenn sich die Schwelle nach außen bewegt. Das alleinige Anpassen gewöhnlicher Korrelation kann daher die gemeinsamen Verluste verfehlen, die das Portfoliorisiko dominieren
Gemeinsames Risiko hat zwei getrennte Bestandteile
Jeder Vermögenswert hat eine Randverteilung, die seine eigenen Ergebnisse beschreibt, während eine Abhängigkeitsstruktur bestimmt, wie ihre Wahrscheinlichkeitsränge gemeinsam auftreten
Zwei Portfolios können dieselben individuellen Verlustverteilungen und linearen Korrelationen haben und dennoch materiell unterschiedliche Wahrscheinlichkeiten gemeinsamer Crashs
Copulas machen diese Trennung ausdrücklich, aber Ränder und Copula müssen weiterhin gemeinsam hinreichend gut geschätzt werden, damit Fehler in keiner Schicht verborgen bleiben
Der Satz von Sklar liefert die Verbindung
Für eine gemeinsame Verteilung F mit Rändern F_1,…,F_d schreibt der Satz von Sklar F(x_1,…,x_d)=C(F_1(x_1),…,F_d(x_d))
Bei stetigen Rändern ist die Copula C eindeutig und bleibt unter streng monotonen Transformationen der Variablen unverändert
Diese Invarianz macht rangbasierte Abhängigkeit natürlich, bedeutet aber nicht, dass Abhängigkeit über die Zeit konstant oder aus begrenzten Daten vollständig identifiziert ist
Korrelation legt gemeinsame Tails nicht fest
Die Pearson-Korrelation fasst lineare gemeinsame Bewegung über die gesamte Verteilung zusammen und reagiert auf Randverteilungsskala und Ausreißer
Auch Kendalls Tau oder Spearmans Rho mitteln als Copula-basierte Maße bei stetigen Rändern die Abhängigkeit, statt nur die äußerste Ecke zu beschreiben
Daher kann ein Modell die gewöhnliche gemeinsame Bewegung gut anpassen und dennoch eine viel zu geringe Wahrscheinlichkeit gleichzeitig auftretender schwerer Verluste zuweisen
Tail Dependence konzentriert sich auf die Ecke
Obere Tail Dependence ist λ_U=lim_{q→1}P(V>q|U>q), und untere Tail Dependence ist λ_L=lim_{q→0}P(V≤q|U≤q), sofern die Grenzwerte existieren
Bei Verlustvariablen hängt die relevante Ecke von der Vorzeichenkonvention ab; Aktienrendite-Crashs liegen gewöhnlich im unteren Tail, während positive Verlustbeträge im oberen Tail liegen
Ein Nullkoeffizient bedeutet asymptotische Tail-Unabhängigkeit und nicht Unabhängigkeit bei jeder hohen, aber endlichen Schwelle
Copula-Familien implizieren unterschiedliche Krisen
Eine nichtdegenerierte Gauß-Copula hat trotz positiver Korrelation keine asymptotische Tail Dependence, während eine t-Copula bei endlichen Freiheitsgraden eine symmetrische positive Tail Dependence hat
Clayton betont die untere Tail Dependence und Gumbel die obere, sodass das Rotieren oder Transformieren von Variablen die dargestellte finanzielle Ecke verändert
Die Auswahl einer vertrauten Familie wählt stillschweigend eine Krisengeometrie, einschließlich Symmetrie, Konzentration und bedingtem Extremverhalten
Die Schätzung muss Ränder und Regime einbeziehen
Filtern Sie serielle Dynamik und Volatilität, wo dies angemessen ist, transformieren Sie kalibrierte Residuen in Wahrscheinlichkeitsränge und prüfen Sie, ob diese Ränge nahezu gleichverteilt sind
Schätzen Sie Copula-Parameter mit Unsicherheit und vergleichen Sie Familien mit tailgewichteten Diagnosen, Likelihood außerhalb der Stichprobe und Diagrammen bedingter Überschreitungen
Kurze Stichproben enthalten sehr wenige gemeinsame Extremwerte, während das Pooling langer Historien inkompatible Regimes vermischen und falsche Präzision erzeugen kann
Risikoaggregation braucht Modellvielfalt
Berechnen Sie Portfolio-VaR, Expected Shortfall, Stressverluste und Diversifikation unter alternativen plausiblen Rändern, Copulas und zeitvariierenden Spezifikationen neu
Backtesten Sie gemeinsame Überschreitungen und bedingte Fehler, statt nur jeden Vermögenswert einzeln zu validieren oder eine Korrelationsmatrix anzupassen
Berichten Sie neben asymptotischen Koeffizienten auch die Abhängigkeit bei endlichen Schwellen, weil praktische Kapitalentscheidungen vor dem mathematischen Grenzwert getroffen werden
Häufige Fragen
Was ist eine Copula im Finanzwesen?
Es ist eine Funktion, die individuelle Vermögensverteilungen zu einer multivariaten Verteilung verbindet und dabei deren Abhängigkeitsstruktur darstellt
Was ist Tail Dependence?
Es ist die Grenzwahrscheinlichkeit unter der Bedingung, dass eine Variable extrem ist, wenn eine andere Variable im selben ausgewählten Tail extrem ist
Warum reicht Korrelation für das Portfoliorisiko nicht aus?
Unterschiedliche Abhängigkeitsstrukturen können dieselbe Korrelation haben und dennoch sehr unterschiedliche Wahrscheinlichkeiten gemeinsamer Extremverluste zuweisen
Hat eine Gauß-Copula keine Crash-Abhängigkeit?
Bei einer Korrelation unter eins hat sie asymptotisch keine Tail Dependence, kann aber bei endlichen Schwellen weiterhin eine erhebliche Abhängigkeit zeigen