This article presents the concept o

This article presents the concept of a copula-based top-down approach in the field of financial risk aggregation. Selected copulas and their properties are presented. Copula parameter estimation and goodness-of-fit tests are explained and algorithms for the simulation of copulas and meta-distributions are provided. Further, the dependence structure between interest rate and credit risk factor changes that are computed from sovereign and corporate bond indices is examined. No clear pattern of the dependence structure can be observed as it varies substantially with the duration and the rating of the obligors. This could indicate that top-down approaches are too simplistic to be implemented in practice. However, the results also suggest that copula-based approaches for the data sample at hand seem preferable to the assumption of a multivariate Gaussian distribution as none of the marginal distributions examined are normally distributed and as the Gaussian copula's fit in terms of the AIC is worse than that of other copulas. Further, the Gaussian copula seems to underestimate the probability of joint strong risk factor changes for the data sample at hand

ผลลัพธ์ (ไทย) 1:

บทความนี้นำเสนอแนวคิดของวิธีการจากบนลงล่างเชื่อมตามในด้านของการรวมความเสี่ยงทางการเงิน copulas เลือกและคุณสมบัติของพวกเขาจะถูกนำเสนอ ประมาณค่าพารามิเตอร์เชื่อมและการทดสอบความดีของพอดีจะมีการอธิบายและขั้นตอนวิธีสำหรับการจำลองของการกระจาย copulas และเมตาที่มีให้ เพิ่มเติมโครงสร้างการพึ่งพาระหว่างอัตราดอกเบี้ยและการเปลี่ยนแปลงปัจจัยความเสี่ยงด้านเครดิตที่มีการคำนวณจากกษัตริย์และองค์กรดัชนีพันธบัตรจะถูกตรวจสอบ ไม่มีรูปแบบที่ชัดเจนของโครงสร้างการพึ่งพาอาศัยสามารถมองเห็นได้ในขณะที่มันแตกต่างกันอย่างมีนัยสำคัญด้วยระยะเวลาและการจัดอันดับของ obligors นี้อาจแสดงให้เห็นว่าวิธีการจากบนลงล่างเป็นง่ายเกินไปที่จะนำมาใช้ในทางปฏิบัติ อย่างไรก็ตามผลที่ได้ยังแสดงให้เห็นว่าวิธีการเชื่อมที่ใช้สำหรับตัวอย่างข้อมูลที่อยู่ในมือดูเหมือนดีกว่าสมมติฐานของการกระจายแบบหลายตัวแปรที่ไม่มีการกระจายขอบการตรวจสอบที่มีการกระจายตามปกติและเป็นแบบเชื่อมเกาส์ในแง่ของ AIC จะเลวร้ายยิ่งไปกว่านั้น ของ copulas อื่น ๆ เพิ่มเติมเชื่อมเกาส์ดูเหมือนว่าจะประมาทน่าจะเป็นของการเปลี่ยนแปลงปัจจัยเสี่ยงร่วมกันที่แข็งแกร่งสำหรับตัวอย่างข้อมูลที่อยู่ในมือ

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอแนวคิดของวิธีบนลงล่างตาม copula ในฟิลด์ของความเสี่ยงทางการเงินรวม มีแสดง copulas เลือกและคุณสมบัติของ อธิบายการประเมิน copula พารามิเตอร์และการทดสอบความดีพอ และมีอัลกอริทึมสำหรับการจำลองของ copulas และการกระจายเมตา เพิ่มเติม ตรวจสอบโครงสร้างพึ่งพาระหว่างอัตราดอกเบี้ยและการเปลี่ยนแปลงปัจจัยความเสี่ยงเครดิตที่คำนวณจากดัชนีตราสารหนี้เอกชน และอธิปไตย สามารถจะสังเกตรูปแบบไม่ชัดเจนของโครงสร้างพึ่งพาเป็นความแตกต่างมากกับระยะเวลาและการจัดอันดับของ obligors ซึ่งอาจบ่งชี้ว่า แนวบนลงล่างจะเร่งรีบเกินไปที่จะปฏิบัติในทางปฏิบัติ อย่างไรก็ตาม ผลลัพธ์ยังแนะนำว่า วิธีใช้ copula สำหรับตัวอย่างข้อมูลที่ดูกว่าจะสมมติฐานของ multivariate Gaussian กระจาย เป็นการกระจายกำไรที่ตรวจสอบไม่มีปกติกระจาย และเป็นของ copula Gaussian พอใน AIC เลวร้ายยิ่งกว่าที่อื่น ๆ copulas เพิ่มเติม Gaussian copula เหมือน ดูถูกดูแคลนความเป็นไปได้ของการเปลี่ยนแปลงปัจจัยเสี่ยงร่วมที่แข็งแกร่งสำหรับตัวอย่างข้อมูลที่

ผลลัพธ์ (ไทย) 3:

ข้อนี้จะอธิบายถึงแนวความคิดของวิธีการทางด้านบนสุดลง copula - อยู่ในฟิลด์ของการผนวกรวมความเสี่ยงทางการเงิน copulas ที่เลือกและคุณสมบัติของตนจะนำเสนอ การทดสอบการประเมินราคาค่าพารามิเตอร์ความดีและ - ของ - Fit copula อัลกอริธึมและจะมีการอธิบายเรื่องสำหรับการจำลองของ META และ copulas - การเผยแพร่ได้รับการจัดให้บริการ เพิ่มเติมโครงสร้างการพึ่งพาระหว่างการเปลี่ยนแปลงปัจจัยความเสี่ยงด้านเครดิตและอัตราดอกเบี้ยที่คำนวณจากดัชนีพันธบัตรรัฐบาลและบริษัทจะพิจารณา รูปแบบใสสะอาดไม่มีการพึ่งพาของโครงสร้างที่สามารถปฏิบัติตามได้จะแตกต่างกันไปอย่างมากพร้อมด้วยระยะเวลาและการจัดอันดับของ obligors ที่ โรงแรมแห่งนี้สามารถแสดงว่าแนวทางด้านบนลงเป็นแบบเรียบง่ายเกินไปในการนำมาปรับใช้ในการปฏิบัติ แต่ถึงอย่างไรก็ตามนอกจากนั้นยังขอแนะนำให้ได้ผลที่ copula - ซึ่งใช้วิธีการสำหรับข้อมูลตัวอย่างที่มือเป็นดีกว่าที่จะได้จากเดิมที่ multivariate gaussian ตัวแทนจำหน่ายเป็นของที่ไม่มีการเผยแพร่ ภาพ ตรวจสอบโดยปกติแล้วเผยแพร่และเป็นที่ gaussian copula ของพอดีกับในข้อกำหนดและเงื่อนไขของระดมมีเรื่องเลวร้ายกว่าที่อื่นๆ copulas . เพิ่มเติมcopula gaussian ดูเหมือนว่าจะประเมินความเป็นไปได้ของการเปลี่ยนแปลงปัจจัยเสี่ยงแรงร่วมกันสำหรับข้อมูลตัวอย่างที่อยู่ในมือ