金融资产间极值依赖的横截面学习

Theyrt=100对数（磅/磅-1） 为了进行比较，我们还尝试了多元正态、多变量、克莱顿双变量等相互竞争的方法。当我们的评估是成对的时，这是可行的。我们报告了每个模型给出的检验统计数据，我们的模型确实捕获了不同的成对尾部依赖关系。在（b）部分显示了第二个库存组的结果，我们的模型在维度对1和2以及2和3上表现得相当好。此处显示的结果验证了设计目的。5.2单因子模型回归数据从1980年12月15日开始，到2019年5月21日结束，共有9690个观测值。再次使用多元数据的最后一个模型。读者很容易获得修改。表2：我们学习到的单因素模型中每项资产的参数（见方程式（5）的介绍）。SP500为全市场变量，模型中选择了15只代表性股票。市场变量SP500没有参数γi，ui，vi.Asset \\参数αiβiuMivMiγiuiviSP500-0.0098 0.6814 1.6914 1.8241---AAPL 0.0256 0.3295 1.0000 1.7909 0.6071 2.0504 1.6992BA-0.0223 0.3276 1.8424 1.8344 0.6043 1.7252 1.4940 CAT 0.0653 0.3882 1.0000 1.9623 0.5947 1.9417 1.6630CVX 0.0368 0.3322 1.0000 1.9017 0.5898 1.7723 1.5853DIS 0.0075 0.3557 1.6818 2.0383 0.5651 1.9214 1.6551DWDP-0.0231 0.3644 1.7973 1.8581 0.5576 1.93401.6005IBM 0.0686 0.4330 1.0000 1.9335 0.5216 2.0673 1.8113INTC 0.0410 0.4240 1.0000 1.6414 0.5443 1.7529 1.5982JNJ-0.0091 0.3430 1.8771 2.0107 0.5730 2.1325 1.7065JPM 0.0581 0.4070 1.0000 2.0084 0.5393 1.9392 1.6606KO 0.0219 0.3828 1.4783 1.9378 0.5759 1.9990 1.66799 MMM 0.0037 0.4023 1.8597 1.9330 0.5658 1.9396 1.7124NKE-0.0083 0.3627 2.4380 1.9460 0.7101 3.1765 2.6941PG 0.0335 0.3829 1.37501.9521 0.5998 2.0163 1.7129WMT-0.0237 0.3769 1.8415 1.6061 0.5488 1.8287 1.6256tg（zM |…）g（zi |……）tzMzitC=120次试验中获得的120次拒收。

单因素高斯模型、t模型和我们的模型分别获得52、43和32次拒绝。这些改进与以下直觉一致：当建模重型尾翼时，以及当尾翼与相关性分开建模时，性能更好。关于尾巴的不对称性，我们有一些有趣的发现。在表2中，我们列出了UI>viiuMi<vMiuMi=1对市场变量的尾部敏感性的参数。这一点值得在今后进行深入研究。6金融资产结论。我们设计它的目的是让它不仅具有不同的边缘尾部重量，而且还具有明显的沿空尾部依赖性。我们的模型有下三角版本和单因素版本。与许多常用方法相比，这是一个重要的优势。与areturns相结合，实现显著的性能改进。关于尾部不对称性的经验发现很有趣，值得在未来进行深入研究。许多相关问题需要进一步研究来回答。例如，如何解释分析尾部相关性公式和拟合算法的特性。Xing YAN处理JD Digits时的确认部分。参考文献【Aas等人，2009年】Aas，K.、Czado，C.、Friessesi，A.和Bakken，H.（2009年）。多重依赖的成对copula结构。保险：数学与经济学，44（2）：182–198。【Aderounmu和Wolff，2014】Aderounmu，A.A.和Wolff，R.（2014）。评估电力市场中的尾部依赖性。可从SSRN 2373591获得。【Balla等人，2014年】美国大型存管机构的系统性风险。《金融稳定杂志》，15:195–209。【Beine等人，2010年】整合：增加尾部依赖性。《银行与金融杂志》，34（1）：184–192。【Bollerslev，1986】计量经济学杂志，31（3）：307-327。【Chan和Li，2008】单调性。

保险：数学与经济学，42（2）：763–770。【Clayton，1978】慢性病发病率家族倾向的流行病学研究中的阳离子。Biometrika，65（1）：141–151。【Demarta和McNeil，2005】Demarta，S.和McNeil，A.J.（2005）。t copula和相关copula。《国际统计评论》，73（1）：111–129。【Embrechts等人，2001年】Embrechts，P.、Lindskog，F.和McNeil，A.（2001年）。用copulas建模依赖关系。苏黎世技术研究所数学系融洽技术。【Engle，1982】Engle，R.F.（1982）。具有987–1007页估计值的自回归条件异方差。【Frahm等人，2005年】系数：性质和缺陷。保险：数学与经济学，37（1）：80–100。【Jondeau和Rockinger，2006】Jondeau，E.和Rockinger，M.（2006）。货币和金融的copula-garch模型，25（5）：827-853。【Koenker和Hallock，2001】经济展望，15（4）：143–156。[Kole等人，2007年]管理。《银行与金融杂志》，31（8）：2405–2423。【Kupiec，1995年】Kupiec，P.（1995年）。验证风险度量模型准确性的技术。联邦调查局文件（95-24）。[Lesniewski等人，2016年]椭圆分布资产回报的风险指标。SSRN 2748970提供。[彭和寇，2009]彭，X.和寇，S.（2009）。违约分类和抵押债务估值。工作文件。[Poon等人，2003年]研究，17（2）：581-610。[Poulin等人，2007年]双变量频率分析的相关性。水文工程杂志，12（4）：394–403。【Schoelzel和Friederichs，2008】地球物理学中的非线性过程，15（5）：761-772。【吴和闫，2019】吴，Q.和闫，X.（2019）。通过分位数动态的顺序学习捕获深尾风险。《经济动力与控制杂志》，第103771页。【Yan等人，2018年】信息处理系统，第1582-1592页。