Cópulas e dependência nas caudas em finanças
Saiba como as cópulas separam distribuições marginais da dependência, por que a correlação não captura extremos conjuntos, como a dependência nas caudas difere entre famílias de cópulas e como validar a agregação de risco
Resposta direta
Uma cópula une distribuições marginais em uma distribuição conjunta e isola sua estrutura de dependência. A dependência nas caudas mede se resultados extremos continuam prováveis em conjunto à medida que o limiar se afasta. Assim, igualar apenas a correlação comum pode deixar de capturar as perdas conjuntas que dominam o risco da carteira
O risco conjunto tem dois ingredientes separados
Cada ativo tem uma distribuição marginal que descreve seus próprios resultados, enquanto uma estrutura de dependência determina como seus postos de probabilidade ocorrem em conjunto
Duas carteiras podem compartilhar as mesmas distribuições individuais de perdas e as mesmas correlações lineares, mas ter probabilidades de crash conjunto materialmente diferentes
Cópulas tornam essa separação explícita, mas as marginais e a cópula escolhidas ainda precisam ser estimadas em conjunto o suficiente para não esconder erros em nenhuma das camadas
O teorema de Sklar fornece a conexão
Para uma distribuição conjunta F com marginais F_1,…,F_d, o teorema de Sklar escreve F(x_1,…,x_d)=C(F_1(x_1),…,F_d(x_d))
Quando as marginais são contínuas, a cópula C é única e não muda com transformações estritamente crescentes das variáveis
Essa invariância torna natural a dependência baseada em postos, mas não implica que a dependência seja constante ao longo do tempo ou totalmente identificada por dados limitados
Correlação não especifica as caudas conjuntas
A correlação de Pearson resume o co-movimento linear em torno da distribuição inteira e é sensível à escala marginal e aos outliers
Mesmo o tau de Kendall ou o rho de Spearman, embora baseados em cópulas para marginais contínuas, fazem uma média da dependência em vez de descrever apenas o canto extremo
Portanto, um modelo pode se ajustar ao co-movimento comum e ainda assim atribuir probabilidade muito baixa demais a perdas severas simultâneas
A dependência nas caudas se concentra no canto
A dependência na cauda superior é λ_U=lim_{q→1}P(V>q|U>q), e a dependência na cauda inferior é λ_L=lim_{q→0}P(V≤q|U≤q), quando os limites existem
Para variáveis de perda, o canto relevante depende da convenção de sinal; crashes nos retornos de ações normalmente ocupam a cauda inferior, enquanto magnitudes positivas de perda ocupam a cauda superior
Um coeficiente zero significa independência assintótica na cauda, não independência em todo limiar alto, mas finito
Famílias de cópulas implicam crises diferentes
Uma cópula gaussiana não degenerada tem dependência assintótica zero nas caudas apesar de correlação positiva, enquanto uma cópula t tem dependência positiva e simétrica nas caudas para graus de liberdade finitos
Clayton enfatiza a dependência na cauda inferior e Gumbel a dependência na cauda superior, então girar ou transformar variáveis muda qual canto financeiro é representado
Escolher uma família porque ela é familiar seleciona silenciosamente uma geometria de crise, incluindo simetria, concentração e comportamento condicional dos extremos
A estimação precisa incluir marginais e regime
Filtre a dinâmica serial e a volatilidade quando apropriado, transforme resíduos calibrados em postos de probabilidade e verifique se esses postos estão próximos de uniformes
Estime parâmetros da cópula com incerteza e compare famílias usando diagnósticos ponderados pela cauda, verossimilhança fora da amostra e gráficos de excedências condicionais
Amostras curtas contêm pouquíssimos extremos conjuntos, enquanto agrupar histórias longas pode misturar regimes incompatíveis e criar precisão falsa
A agregação de risco precisa de diversidade de modelos
Recalcule VaR da carteira, Expected Shortfall, perdas de estresse e diversificação sob marginais, cópulas e especificações variáveis no tempo alternativas e plausíveis
Faça backtest de excedências conjuntas e falhas condicionais, em vez de validar apenas cada ativo separadamente ou igualar uma matriz de correlação
Relate a dependência em limiar finito junto com os coeficientes assintóticos, porque decisões práticas de capital ocorrem antes do limite matemático
Perguntas frequentes
O que é uma cópula em finanças?
É uma função que une distribuições de ativos individuais em uma distribuição multivariada enquanto representa sua estrutura de dependência
O que é dependência nas caudas?
É a probabilidade condicional limite de que uma variável seja extrema quando outra é extrema na mesma cauda selecionada
Por que correlação não basta para o risco da carteira?
Estruturas de dependência diferentes podem compartilhar uma correlação e ainda atribuir probabilidades muito diferentes a perdas extremas simultâneas
Uma cópula gaussiana não tem dependência em crashes?
Ela tem dependência assintótica zero nas caudas quando a correlação é inferior a um, mas ainda pode mostrar dependência material em limiares finitos