Todas las guías de opciones
Cuando los activos dependen juntos donde más importa15 min de lectura
Copulas y Tail Dependence en finanzas
Aprende cómo las copulas separan marginales y dependencia, por qué la correlación omite extremos conjuntos, cómo cambia Tail Dependence entre familias y cómo validar la agregación de riesgo
Preparado por Mark · Fuentes principales al final
Respuesta directa
Una copula une distribuciones marginales en una distribución conjunta y aísla su estructura de dependencia. Tail Dependence mide si los resultados extremos siguen siendo probables juntos al mover el umbral hacia la cola. Ajustar solo la correlación ordinaria puede omitir las pérdidas conjuntas que dominan el riesgo de cartera
El riesgo conjunto tiene dos ingredientes
La distribución marginal de cada activo describe sus resultados y la dependencia determina cómo aparecen juntas sus posiciones de probabilidad
Dos carteras pueden compartir pérdidas individuales y correlaciones lineales, pero tener probabilidades de desplome conjunto muy distintas
La copula hace explícita la separación, aunque marginales y copula deben estimarse sin permitir que un nivel oculte errores del otro
El teorema de Sklar aporta la conexión
Para una distribución conjunta F con marginales F_1,…,F_d, Sklar escribe F(x_1,…,x_d)=C(F_1(x_1),…,F_d(x_d))
Con marginales continuas, la copula C es única y no cambia bajo transformaciones estrictamente crecientes
Esa invariancia favorece la dependencia por rangos, pero no implica que sea constante en el tiempo ni identificable con pocos datos
La correlación no especifica las colas conjuntas
La correlación de Pearson resume covariación lineal en toda la distribución y es sensible a escala marginal y atípicos
Kendall tau y Spearman rho, basadas en copula con marginales continuas, también promedian dependencia en vez de aislar la esquina lejana
Así, un modelo puede ajustar la covariación ordinaria y asignar muy poca probabilidad a pérdidas severas simultáneas
Tail Dependence se concentra en la esquina
La dependencia superior es λ_U=lim_{q→1}P(V>q|U>q) y la inferior λ_L=lim_{q→0}P(V≤q|U≤q), si existen
La esquina relevante depende del signo: los desplomes de retornos suelen estar abajo y las magnitudes positivas de pérdida, arriba
Un coeficiente cero significa independencia asintótica de cola, no independencia en todo umbral alto pero finito
Cada familia de copulas implica una crisis distinta
Una Gaussian Copula no degenerada tiene dependencia asintótica cero pese a correlación positiva; una t Copula finita la tiene positiva y simétrica
Clayton destaca la cola inferior y Gumbel la superior, por lo que rotar o transformar variables cambia la esquina financiera representada
Elegir una familia solo por familiaridad selecciona en silencio una geometría de crisis, con simetría, concentración y extremos condicionales
La estimación debe incluir marginales y régimen
Filtra dinámica serial y volatilidad cuando proceda, convierte residuos calibrados a rangos de probabilidad y comprueba su uniformidad
Estima parámetros con incertidumbre y compara familias mediante diagnósticos ponderados en cola, verosimilitud reservada y excesos condicionales
Las muestras cortas tienen pocos extremos conjuntos y juntar historias largas puede mezclar regímenes incompatibles y crear falsa precisión
Agregar riesgo exige diversidad de modelos
Recalcula VaR, Expected Shortfall, estrés y diversificación con varias marginales, copulas y especificaciones temporales creíbles
Valida excesos conjuntos y fallos condicionales, no solo cada activo por separado o una matriz de correlación
Informa dependencia a umbral finito junto a coeficientes asintóticos, pues las decisiones de capital ocurren antes del límite matemático
Preguntas frecuentes
¿Qué es una copula en finanzas?
Es una función que une distribuciones individuales en una distribución multivariante y representa su dependencia
¿Qué es Tail Dependence?
Es la probabilidad condicional límite de que una variable sea extrema cuando otra lo es en la misma cola elegida
¿Por qué no basta la correlación para el riesgo de cartera?
Porque estructuras con igual correlación pueden dar probabilidades muy distintas a pérdidas extremas simultáneas
¿Una Gaussian Copula no tiene dependencia de desplome?
Tiene dependencia asintótica de cola cero si la correlación es menor que uno, pero puede depender mucho a umbrales finitos
Fuentes
Aplique esta idea a una opción
Elija un contrato y un objetivo para mantener visibles los supuestos de precio, tiempo y volatilidad en un mismo análisis
Analizar mi opción en inglés