Core Concepts
Schiefe-t-Copula-Modelle ermöglichen asymmetrische und extreme Schwanzabhängigkeit in Finanzdaten.
Abstract
Die Autoren untersuchen die Verwendung von Schiefe-t-Copula-Modellen für die Modellierung von Finanzdaten. Sie zeigen, dass die AC-Schiefe-t-Copula eine höhere asymmetrische Abhängigkeit ermöglicht als andere Varianten. Eine schnelle und genaue bayesianische Variationsinferenzmethode wird vorgeschlagen, um diese Copula in hohen Dimensionen zu schätzen. Die Methode wird verwendet, um Schiefe-t-Faktor-Copula-Modelle für Intraday-Renditen von 93 US-Aktien zu schätzen. Die Copula erfasst erhebliche Heterogenität in der asymmetrischen Abhängigkeit über Aktienpaare hinweg. Intraday-vorhersagende Dichten aus der Schiefe-t-Copula sind genauer als bei anderen Modellen, und Portfolioauswahlstrategien basierend auf den geschätzten Paarschwanzabhängigkeiten verbessern die Leistung im Vergleich zum Benchmark-Index.
Stats
Die AC-Schiefe-t-Copula ermöglicht höhere asymmetrische Abhängigkeit.
Die GH-Schiefe-t-Copula hat eine höhere maximale asymmetrische Abhängigkeit als die SDB-Schiefe-t-Copula.
Die AC-Schiefe-t-Copula ist in der Lage, asymmetrische Abhängigkeit in hohen Dimensionen zu erfassen.
Quotes
"Skew-t-Copula-Modelle sind attraktiv für die Modellierung von Finanzdaten, da sie asymmetrische und extreme Schwanzabhängigkeit ermöglichen."