Copule e dipendenza di coda nella finanza
Scopri come le copule separano distribuzioni marginali e dipendenza, perché la correlazione non coglie gli estremi congiunti, come varia la dipendenza di coda tra famiglie di copule e come validare l'aggregazione del rischio
Risposta diretta
Una copula unisce distribuzioni marginali in una distribuzione congiunta e isola la loro struttura di dipendenza. La dipendenza di coda misura se gli esiti estremi restano probabilmente congiunti quando la soglia si sposta verso l'esterno. La sola correlazione ordinaria può quindi non cogliere le perdite congiunte che dominano il rischio di portafoglio
Il rischio congiunto ha due ingredienti separati
Ogni asset ha una distribuzione marginale che descrive i propri esiti, mentre una struttura di dipendenza determina come i loro ranghi di probabilità si presentano insieme
Due portafogli possono condividere le stesse distribuzioni individuali delle perdite e le stesse correlazioni lineari, ma avere probabilità di crollo congiunto materialmente diverse
Le copule rendono esplicita questa separazione, ma margini e copula scelti devono comunque essere stimati congiuntamente a sufficienza per non nascondere errori in nessuno dei due livelli
Il teorema di Sklar fornisce il collegamento
Per una distribuzione congiunta F con margini F_1,…,F_d, il teorema di Sklar scrive F(x_1,…,x_d)=C(F_1(x_1),…,F_d(x_d))
Quando i margini sono continui, la copula C è unica e non cambia sotto trasformazioni strettamente crescenti delle variabili
Questa invarianza rende naturale la dipendenza basata sui ranghi, ma non implica che la dipendenza sia costante nel tempo o completamente identificata da dati limitati
La correlazione non specifica le code congiunte
La correlazione di Pearson riassume il co-movimento lineare intorno all'intera distribuzione ed è sensibile a scala marginale e outlier
Anche tau di Kendall o rho di Spearman, sebbene basati sulla copula per margini continui, fanno una media della dipendenza invece di descrivere solo l'angolo estremo
Pertanto un modello può adattarsi al co-movimento ordinario assegnando una probabilità troppo bassa a perdite gravi simultanee
La dipendenza di coda si concentra sull'angolo estremo
La dipendenza nella coda superiore è λ_U=lim_{q→1}P(V>q|U>q), mentre quella nella coda inferiore è λ_L=lim_{q→0}P(V≤q|U≤q), quando i limiti esistono
Per le variabili di perdita l'angolo rilevante dipende dalla convenzione di segno; i crolli dei rendimenti azionari occupano di solito la coda inferiore, mentre le magnitudini positive delle perdite occupano quella superiore
Un coefficiente zero significa indipendenza asintotica nella coda, non indipendenza a ogni soglia alta ma finita
Le famiglie di copule implicano crisi diverse
Una copula gaussiana non degenere ha dipendenza asintotica di coda nulla nonostante una correlazione positiva, mentre una copula t ha dipendenza positiva e simmetrica alle code con gradi di libertà finiti
Clayton enfatizza la dipendenza nella coda inferiore e Gumbel quella nella coda superiore, quindi ruotare o trasformare le variabili cambia quale angolo finanziario viene rappresentato
Scegliere una famiglia perché è familiare seleziona silenziosamente una geometria della crisi, inclusi simmetria, concentrazione e comportamento condizionale degli estremi
La stima deve includere margini e regime
Filtra dinamiche seriali e volatilità quando opportuno, trasforma i residui calibrati in ranghi di probabilità e controlla se questi ranghi sono quasi uniformi
Stima i parametri della copula con incertezza e confronta le famiglie usando diagnostiche ponderate per la coda, verosimiglianza fuori campione e grafici degli eccessi condizionali
I campioni brevi contengono pochissimi estremi congiunti, mentre aggregare storie lunghe può mescolare regimi incompatibili e creare falsa precisione
L'aggregazione del rischio richiede diversità di modelli
Ricalcola VaR di portafoglio, Expected Shortfall, perdite di stress e diversificazione con margini, copule e specificazioni variabili nel tempo alternative ma credibili
Esegui backtest degli eccessi congiunti e dei fallimenti condizionali invece di validare solo ciascun asset separatamente o di adattare una matrice di correlazione
Riporta la dipendenza a soglia finita insieme ai coefficienti asintotici, perché le decisioni pratiche sul capitale avvengono prima del limite matematico
Domande frequenti
Che cos'è una copula nella finanza?
È una funzione che unisce le distribuzioni dei singoli asset in una distribuzione multivariata rappresentandone la struttura di dipendenza
Che cos'è la dipendenza di coda?
È la probabilità condizionale limite che una variabile sia estrema quando un'altra è estrema nella stessa coda selezionata
Perché la correlazione non basta per il rischio di portafoglio?
Strutture di dipendenza diverse possono condividere una correlazione assegnando probabilità molto diverse a perdite estreme simultanee
Una copula gaussiana non ha dipendenza dai crolli?
Ha dipendenza asintotica di coda nulla quando la correlazione è inferiore a uno, ma può comunque mostrare dipendenza significativa a soglie finite