Copula modeling has become an incre

Copula modeling has become an increasingly popular tool in finance to model assets returns dependency. In essence, copulas enable us to extract the dependence structure from the joint distribution function of a set of random variables and, at the same time, to separate the dependence structure from the univariate marginal behavior. In this study, based on U.S. stock data, we illustrate how tail-dependency tests may be misleading as a tool to select a copula that closely mimics the dependency structure of the data. This problem becomes more severe when the data is scaled by conditional volatility and/or filtered out for serial correlation. The discussion is complemented, under more general settings, with Monte Carlo simulations.

ผลลัพธ์ (ไทย) 1:

การสร้างแบบจำลองเชื่อมได้กลายเป็นเครื่องมือที่นิยมมากขึ้นในด้านการเงินแบบสินทรัพย์ผลตอบแทนที่พึ่งพา ในสาระสำคัญ copulas ช่วยให้เราสามารถดึงโครงสร้างการพึ่งพาจากฟังก์ชั่นการจัดจำหน่ายร่วมกันของชุดของตัวแปรสุ่มและในเวลาเดียวกันจะแยกโครงสร้างการพึ่งพาจากพฤติกรรมขอบ univariate ในการศึกษาครั้งนี้ขึ้นอยู่กับสหรัฐอเมริกา ข้อมูลหุ้นเราแสดงให้เห็นถึงวิธีการทดสอบหางพึ่งพาอาจทำให้เข้าใจผิดเป็นเครื่องมือในการเลือกที่เชื่อมอย่างใกล้ชิดเลียนแบบโครงสร้างการพึ่งพาของข้อมูล ปัญหานี้กลายเป็นความรุนแรงมากขึ้นเมื่อข้อมูลถูกปรับขนาดโดยความผันผวนของเงื่อนไขและ / หรือกรองออกสำหรับความสัมพันธ์แบบอนุกรม การอภิปรายที่สมบูรณ์ภายใต้การตั้งค่าทั่วไปมากขึ้นด้วยการจำลอง Monte Carlo

ผลลัพธ์ (ไทย) 2:

โมเดล copula ได้กลายเป็น เครื่องมือนิยมมากขึ้นในการอ้างอิงแบบจำลองสินทรัพย์คืนเงิน ในสาระสำคัญ copulas ช่วยให้เราสามารถแยกโครงสร้างพึ่งพาจากฟังก์ชันแจกแจงร่วมกันของชุด ของตัวแปรสุ่ม และ พร้อม กัน การแยกโครงสร้างพึ่งพาจากทำกำไรอย่างไร univariate ในการศึกษานี้ ข้อมูลหุ้นสหรัฐอเมริกา เราแสดงว่าหางขึ้นทดสอบอาจเข้าใจผิดเป็นเครื่องมือเพื่อเลือก copula ที่เลียนแบบโครงสร้างการอ้างอิงของข้อมูลอย่างใกล้ชิดได้ ปัญหานี้จะรุนแรงมากขึ้นเมื่อข้อมูลถูกปรับ โดยมีเงื่อนไขความผันผวน หรือถูกกรองออกสำหรับความสัมพันธ์ของอนุกรม การอภิปรายเป็นตู้ ภายใต้การตั้งค่าทั่วไป กับจำลองมงต์การ์โล

ผลลัพธ์ (ไทย) 3:

การสร้างแบบจำลอง copula ได้กลายเป็นเครื่องมือที่ได้รับความนิยมมากขึ้นในการพึ่งพาการส่งคืนเงินทุนในรุ่นของสินทรัพย์ ในสาระสำคัญ copulas เปิดใช้งานเราจะแยกโครงสร้างการพึ่งพาจากหน้าที่การจัดจำหน่ายร่วมกันในการตั้งค่าตัวแปรต่างๆแบบสุ่มและในช่วงเวลาเดียวกันที่จะแยกออกจากกันโครงสร้างการพึ่งพาจากพฤติกรรมที่ก้ำกึ่ง univariate ในการศึกษานี้โดยขึ้นอยู่กับข้อมูลสต็อกของสหรัฐอเมริกาเราจะแสดงให้เห็นว่าการทดสอบหาง - การพึ่งพาอาจทำให้เข้าใจผิดเป็นเครื่องมือในการเลือก copula ที่เลียนแบบโครงสร้างอย่างใกล้ชิดพึ่งพาของข้อมูลที่ ปัญหานี้จะกลายเป็นมากขึ้นอย่างรุนแรงเมื่อมีข้อมูลที่จะได้รับการปรับอัตราส่วนโดยความผันผวนโดยมีเงื่อนไขและ/หรือที่กรองออกมาสำหรับความสัมพันธ์แบบอนุกรม การประชุมที่จะเพิ่มความสมบรูณ์แบบตามการตั้งค่าทั่วไปมากกว่าพร้อมด้วย Monte Carlo จำลอง