Copulas und Korrelationsasymmetrien Theorie und empirische Analyse am DAX 30 08. Mai 2008
description
Transcript of Copulas und Korrelationsasymmetrien Theorie und empirische Analyse am DAX 30 08. Mai 2008
Copulas undKorrelationsasymmetrien
Theorie und empirische Analyse am DAX 3008. Mai 2008
Jadran Dobrić, Kreditrisiko-Controlling WGZ BANK
Gruppe Methoden
© W
GZ
BA
NK
200
8
Inhalt
Einführung in die Copulatheorie
Korrelationsmaße und Copulas Lineare Korrelation Spearman‘sche Rangkorrelation
Bedingte Korrelationen
Korrelations-Asymmetrietest
Empirische Untersuchungen der Abhängigkeiten im DAX 30
Betrachtung der Abhängigkeitsunterschiede zwischen dem Bullen- und Bärenmarkt
© W
GZ
BA
NK
200
8
Empirische DAX 30 BeispieleTägliche Log-Renditen vom 02.03.1992-01.03.2002
Kennzahlen Allianz AG BASF AG Münchner Rück AG
Mittelwerte .00038 .00062 .00064
Standardabw. .01854 .01645 .01905
Minimum -.1568 -.0871 -.1719
Maximum .1380 .1009 .1653
Schiefe -.0772 -.0570 .1212
Kurtosis 10.5352 5.3732 10.2293
3.8360 5.2276 2.9979MLE
© W
GZ
BA
NK
200
8
Allianz AG vs. Münchner Rück AG
58.0ˆ 66.0ˆ SPBP
© W
GZ
BA
NK
200
8
Allianz AG vs. BASF AG
47.0ˆ 45.0ˆ SPBP
© W
GZ
BA
NK
200
8
Sklar‘s Seperationstheorem (1959)Sklar‘s Seperationstheorem (1959)
FX(x1,…,xd)
C(u1,…, ud) F1(x1),…, Fd(xd)
FX(x1,…,xd)=C(F1(x1),…, Fd(xd))
C(u1,…, ud)=FX(F-11(u1),…, F-1
d(ud))
C(u1,…, ud) G1(x1),…, Gd(xd)
G(x1,…,xd)
© W
GZ
BA
NK
200
8
Copula
Sie ist eine Abbildung C: [0,1]d → [0,1], mit:
1. Für jedes u [0,1]d gilt C(u)=0, falls mindestens eine Koordinate von u gleich Null ist.
2. Falls alle Koordinaten, mit Ausnahme von ui , gleich 1 sind, gilt C(u)= ui.
3. Für alle a=(a1,…,ad) und b=(b1,…,bd) mit ai≤bi, i=1,…,d, gilt VC([a, b])≥0.
→ D.h. eine d-dimensionale Verteilungsfunktion auf [0,1]d mit uniformen univariaten Randverteilungen
© W
GZ
BA
NK
200
8
Ist die Copula C d-mal partiell differenzierbar, so gilt
Besitzt FX die Dichte fX , so gilt:
→
d
d
d uu
Cuuc
...
u,...,
11
Copuladichte
d
iiXdXXd xfxFxFcxxf
id1
11X ,,,,1
d
iiXX
dXXd
uFf
uFuFfuuc
ii
d
1
1
11
1
1
,,,, 1
X
© W
GZ
BA
NK
200
8
Spezielle Copulas
iX
11X ,, FdomxxFxxF i
d
iiXd i
]1,0[,,1
1
i
d
iid uuuuC
dd
d
iii xFxFFdxF ,,min0,1max 11
1
xX
uuu dd
d
ii
d MuuCduW
,,min0,1max 11
Die Unabhängigkeitscopula
Die Fréchet-Hoeffding Schranken
© W
GZ
BA
NK
200
8
Bivariate logistische Verteilung
Rxxxx
xxF
2121
21X , expexp1
1,
2121
212
121
1121 ,,
uuuu
uuuFuFFuuC
X
i
iii u
uuF
1ln1 iii x
xF
exp1
1
22112211
221121, xFxFxFxF
xFxFxxF
X
© W
GZ
BA
NK
200
8
© W
GZ
BA
NK
200
8
Neue bivariate Verteilungsfunktion G
.4,3,0,0,exp1; ixxxF iiii
;,;;, 443343 xFxFCxxG
44334433
4433
xFxFxFxF
xFxF
1exp
1exp1exp
43
43
xx
xx
© W
GZ
BA
NK
200
8
© W
GZ
BA
NK
200
8
5024.0ˆ BP 2863.0ˆ BP
4851.0ˆ SP
4851.0ˆ SP 4851.0ˆ SP
© W
GZ
BA
NK
200
8
Spezielle Copulaklassen
Sei φ:[0,1]→[0,∞), so dass
für i=1,…,d und t [0,∞), mit φ(1)=0 und φ(0)=∞ gilt,
dann ist:
eine Archimedische Copula.
01 1 tdt
di
ii
d
iiuC
1
1u
© W
GZ
BA
NK
200
8
1. Clayton Copulafamilie
2. Gumbel Copulafamilie
1
1
1;u
d
ii duC
1
1
lnexp;ud
iiuC
01; , tt
1ln; , tt
© W
GZ
BA
NK
200
8
Elliptische Copulaklasse
1. Gauss Copula
2. tν,R-Copula
dd uuC 11
11RR ,,u
d
u
d
udxdxC
d 11T
2
1
2
R xRx2
1exp
R2
1u
111
11
dvv ututtC 11
1R,R, ,,u
d
dv
ut
d
utdxdx
v
dv
Cd 1
21-T
2
1
2
R, xRx1
1R
2
2u
111
11
© W
GZ
BA
NK
200
8
Allianz AG vs. Münchner Rück. AG
© W
GZ
BA
NK
200
8
222
111
ˆˆ
ˆˆ
uxF
uxF
Allianz AG vs. Münchner Rück. AG
© W
GZ
BA
NK
200
8
Korrelationsmaße und Copulas
Vorteile : Kompakte Darstellung der Abhängigkeit Leichte Interpretierbarkeit Einfache weiterführende Modelleinbindung
Nachteile : Enormer Informationsverlust Bezifferung nur einer Art von Abhängigkeit.
Missinterpretationen sind möglich Oft nur globale Korrelationsaussagen In einigen Fällen nicht definiert
© W
GZ
BA
NK
200
8
Linearer Korrelationskoeffizient nach Bravais Pearson ρBP
1,0
min1
2
2122
XVar
bXaXEBP
Anwendbar nur bei metrisch skalierten Daten
Benötigt die Existenz der Varianzen
|ρBP| misst die Stärke des linearen Zusammenhangs
)var()var(
),cov(
21
21
XX
XXBP
© W
GZ
BA
NK
200
8
2
121
11
1
0
1
0
2121
21
21221121X21
,varvar
1
,),cov(
udFudFuuuuCXX
dxdxxFxFxxFXX
BP
2121 ,, XXXXT BPBP
Nicht Randverteilungsfrei
Zulässiger Wertebereich i. A. [-1,1]
Nicht invariant bzgl. monotonen Transformationen
],[ maxminBPBP
© W
GZ
BA
NK
200
8
Bivariate Farlie Gumbel Morgenstern Familie
Die FGM Verteilung besitzt die Form (|α|<1):
Der lineare Korrelationskoeffizient liegt bei normalen Randverteilungen bei
bei exponentiellen Randverteilungen bei
und bei uniformen Randverteilungen bei
2211221121 111;, xFxFxFxFxxFX
3
1BP
BP
4
BP
© W
GZ
BA
NK
200
8
Spearman‘sche Rangkorrelation
Definition:
Interpretationen:
1
0
1
0 212´121 3,12, duduuuCXXSP
21212121 124
112, UEUEUUEUUEXXSP
2211
2211
21
2121
,,,12
XFVarXFVar
XFXFCov
UVarUVar
UUCovUUCov
2211 , XFXFBP
© W
GZ
BA
NK
200
8
Spearman‘sche Korrelation als Distanzmaß
41
31
41
,
121
41
,
,22 ]1,0[
2121
]1,0[
2121
21
uudCuuuudCuu
XXSP
2 2
2 2
]1,0[
21
]1,0[
212121
]1,0[
21
]1,0[
212121
,min
,
duduuududuuu
duduuududuuuC
© W
GZ
BA
NK
200
8
Schlußfolgerungen
Existent und Randverteilungsfrei
Da nur von der Copula bestimmt, robust und Invariant bzgl. wachsenden monotonen Transformationen
Mit den meisten Parameter der bivariaten Copulas in Verbindung
C
MC
WC
SPBP
SPBPBP
SPBPBP
00
1
1max
min
© W
GZ
BA
NK
200
8
Einige Schätzfunktionen
n
ii
n
ii
n
iii
SP
uuuu
uuuu
1
2
2,21
2
1,1
12,21,1
3
ˆˆˆˆ
ˆˆˆˆ
4
1ˆˆ
112
1,2,1
)2(n
iiiSP uu
n
n
i
n
jnSP n
j
n
iC
n 1 12
)1(
4
1,ˆ1
12
© W
GZ
BA
NK
200
8
Asymptotischer Copula-Prozess
GC ist ein zentrierter Gauss-Prozess
BC ist eine d-dimensionale Brown‘sche Brücke
uGuCuCn Cw
n ˆ
vCuCvuCvBuBE
uBuCDuBuG
CC
d
i
iCiCC
,min1
© W
GZ
BA
NK
200
8
Asymptotische Normalität der Schätzfunktion
9-fache vierdimensionale Integralauswertung notwendig
Aber: Die Bootstrap-Schätzfunktion
konvergiert gegen die selbe Zufallsvariable Z !
SPB
SPn 2
CNZn dSPSP
22 ,0~
vdudvGuGEC CC2 21,0 1,0
2 12
© W
GZ
BA
NK
200
8
Bedingte Korrelationen
Allianz AG vs. BASF AG
LA
UA
© W
GZ
BA
NK
200
8
pHypGxyxAL11 ,:,
,,:, LL AYXyYxXPyxF
Die gemeinsame Verteilung von (X,Y) sei mit F und ihre Randverteilungen mit G und H notiert
Der untere Eckbereich sei:
Die bedingte gemeinsame Verteilungen ist
ppC
pHxHpGxGC
,
,min,,min
11
© W
GZ
BA
NK
200
8
vHuGFvuC
yHxGCyxF
LLLL
LLLL
11 ,,
,,
1
0
1
03,12
,,
dudvvuC
AYXYHXGCorrp
L
LLLL
Die bedingten Randverteilungen sind:
Sklar‘s Seperationstheorem bzgl. bedingter Verteilungen
Definition der bedingten Korrelation nach Spearman:
LL AYXxXPxG ,
LL AYXyYPxH ,
© W
GZ
BA
NK
200
8
YVaRYXVaRXYX
pHYpGXYXp
ppSP
SPL
,,
,, 11
Es gilt:
Die bedingte Korrelation ρL nach Spearman ist die globale Korrelation ρSP der bedingten Zufallsvariablen.
Es gelten somit alle Aussagen bezüglich des globalen Rangkorrelationskoeffizienten und seiner Schätz-funktionen
© W
GZ
BA
NK
200
8
x
iXn
xGn
in
1
11ˆ
y
iYn
xHn
in
1
11ˆ
pHypGxyxA nnL11 ˆ,ˆ:,:ˆ
UULL AnAn ˆ: ,ˆ:
LA
Ii L
inL
L
inL
LnL n
Yr
n
Xr
nˆ
312
ˆ ,,,
Nichtparametrische Schätzfunktion
© W
GZ
BA
NK
200
8
2
,
2,
,0ˆ
,0ˆ
Ud
UnUU
Ld
LnLL
Nn
Nn
UL
UL
H
H
:
:
1
0
UL
UL
H
H
:
:
1
0
UL
UL
H
H
:
:
1
0
Asymptotische Normalität der Schätzfunktion
Korrelations-Asymmetrietest
© W
GZ
BA
NK
200
8
1. Berechne und aus den Beobachtungen inund
2. Erzeuge jeweils NB Bootstrap-Stichproben aus und und errechne die zugehörigen Schätzer der asymptotischen Varianzen für und , in Notation
und , der bedingten Korrelationskoeffizienten nach Spearman
3. Überprüfe die jeweilige Nullhypothese Verwerfe falls
nL, nU ,UALA
Algorithmus:
LA
UA2L 2
U2ˆL 2ˆU
ULH :0
21
ˆˆ
ˆˆ1
22
,,
U
U
L
L
nUnL
nn
© W
GZ
BA
NK
200
8
Verwerfe falls
und
verwerfe falls
gilt, mit α>0 als die Wahrscheinlichkeit des Fehlers erster Art und Φ als Standardnormalverteilung.
1
22
,,
ˆˆ
ˆˆ
U
U
L
L
nUnL
nn
1ˆˆ
ˆˆ1
22
,,
U
U
L
L
nUnL
nn
ULH :0
ULH :0
© W
GZ
BA
NK
200
8 0882.5294.0ˆ
98
10.0
L
Ln
p
1125.2602.0ˆ
79
10.0
U
Ln
q
Allianz AG vs. BASF AG
47.0ˆ SP
© W
GZ
BA
NK
200
8
Variable Schwellenwerte (p=q)
Allianz AG vs. BASF AG
© W
GZ
BA
NK
200
8
Variable Schwellenwerte (p=q)
Allianz AG vs. Münchner Rück. AG
© W
GZ
BA
NK
200
8
Teststatistiken (p=q)
Allianz AG vs. BASF AG
Allianz AG vs. Münch. Re. AG
© W
GZ
BA
NK
200
8
p=q 0.10 0.20 0.30 0.40 0.50
.3609 .3009 .3149 .3387 .3479
.2685 .2409 .2400 .2571 .2749
.1528 .0891 .0829 .0840 .0754
α H0: ρL ≤ ρU vs. H1: ρL > ρU
0.10 55 61 94 136 148
0.05 35 32 67 89 107
0.01 11 4 30 42 50
170 173 196 218 217
Gesamt DAX 30 Untersuchung
UL ˆˆ
L
U
UL ˆˆ
© W
GZ
BA
NK
200
8
H0: ρL ≥ ρU vs. H1: ρL < ρU
α\p 0.10 0.20 0.30 0.40 0.50
0.10 9 7 3 0 0
0.05 2 2 0 0 0
0.01 1 0 0 0 0
61 58 35 13 14UL ˆˆ
© W
GZ
BA
NK
200
8
Zeitliche BetrachtungBullen- vs. Bärenumfeld
© W
GZ
BA
NK
200
8
Literaturhinweise
Dobrić, Frahm, Schmid (2008), „Dependence of Stock Returns in Bull and Bear Markets“, to appear in Computational Statistics & Data Analysis.
Nelsen (2006), „An Introduction to Copulas“, Springer.
Embrechts, McNeil und Strautmann (2002), „Correlation and dependence in risk management: properties and pitfalls“, Cambrige University Press.
Juri, Wüthrich (2002), „Copula convergence theorems for tail events“, Insurance: Mathematics and Economics.
McNeil, Frey, Embrechts (2005), „Quantitative Risk Management“, Princeton University Press.
© W
GZ
BA
NK
200
8
Danke für Ihre Aufmerksamkeit !
© W
GZ
BA
NK
200
8
Backup
© W
GZ
BA
NK
200
8
Monte Carlo – Power Simulationsstudie
Gauss Clayton
© W
GZ
BA
NK
200
8
Theoretische- vs. Kerndichte Vergleich