Copula dan Dependensi Ekor dalam Keuangan

Setiap aset memiliki distribusi marginal yang menggambarkan hasilnya sendiri, sedangkan struktur dependensi menentukan bagaimana peringkat probabilitasnya terjadi bersama

Dua portofolio dapat memiliki distribusi kerugian individual dan korelasi linear yang sama, tetapi probabilitas crash gabungan yang berbeda secara material

Copula membuat pemisahan itu eksplisit, tetapi marginal dan copula yang dipilih tetap harus diestimasi secara cukup bersama agar kesalahan pada salah satu lapisan tidak tersembunyi

Untuk distribusi gabungan F dengan marginal F_1,…,F_d, teorema Sklar menulis F(x_1,…,x_d)=C(F_1(x_1),…,F_d(x_d))

Ketika marginal kontinu, copula C unik dan tidak berubah oleh transformasi variabel yang meningkat ketat

Invariansi ini membuat dependensi berbasis peringkat menjadi alami, tetapi tidak berarti dependensi konstan sepanjang waktu atau sepenuhnya teridentifikasi dari data terbatas

Korelasi Pearson merangkum pergerakan bersama linear di sekitar seluruh distribusi dan sensitif terhadap skala marginal serta pencilan

Bahkan tau Kendall atau rho Spearman, meskipun berbasis copula untuk marginal kontinu, merata-ratakan dependensi alih-alih hanya menggambarkan sudut paling jauh

Karena itu, model dapat mencocokkan pergerakan bersama biasa sambil menetapkan probabilitas yang terlalu kecil untuk kerugian parah yang terjadi bersamaan

Dependensi ekor atas adalah λ_U=lim_{q→1}P(V>q|U>q), dan dependensi ekor bawah adalah λ_L=lim_{q→0}P(V≤q|U≤q), jika limitnya ada

Untuk variabel kerugian, sudut yang relevan bergantung pada konvensi tanda; crash return ekuitas biasanya berada di ekor bawah, sedangkan besaran kerugian positif berada di ekor atas

Koefisien nol berarti independensi asimtotik di ekor, bukan independensi pada setiap ambang tinggi tetapi berhingga

Copula Gaussian nondegenerat memiliki dependensi ekor asimtotik nol meskipun korelasinya positif, sedangkan copula t memiliki dependensi ekor positif simetris pada derajat kebebasan berhingga

Clayton menekankan dependensi ekor bawah dan Gumbel dependensi ekor atas, sehingga rotasi atau transformasi variabel mengubah sudut keuangan yang direpresentasikan

Memilih keluarga karena sudah dikenal berarti memilih geometri krisis secara diam-diam, termasuk simetri, konsentrasi, dan perilaku ekstrem kondisional

Filter dinamika serial dan volatilitas jika sesuai, ubah residual yang telah dikalibrasi menjadi peringkat probabilitas, lalu periksa apakah peringkat tersebut mendekati uniform

Estimasi parameter copula beserta ketidakpastiannya dan bandingkan keluarga menggunakan diagnostik berbobot ekor, likelihood holdout, serta plot pelampauan kondisional

Sampel pendek memuat sangat sedikit ekstrem gabungan, sedangkan penggabungan sejarah panjang dapat mencampur rezim yang tidak kompatibel dan menciptakan presisi palsu

Hitung ulang VaR portofolio, Expected Shortfall, kerugian stres, dan diversifikasi di bawah marginal, copula, serta spesifikasi time-varying alternatif yang kredibel

Backtest pelampauan gabungan dan kegagalan kondisional, bukan hanya memvalidasi tiap aset secara terpisah atau mencocokkan matriks korelasi

Laporkan dependensi ambang berhingga bersama koefisien asimtotik karena keputusan modal praktis terjadi sebelum limit matematis