0 $ 7 ( 0 $ 7 < . $ 6 7 2 6 2 : $ 1 $
3L R W U -D Z R U V N L
:DUV]DZD
$ V\ P S WR W\ N D G Z X Z \ P LD UR Z \ FK NRS XOL
: SURZDG]HQLH &HOHPQLQLHMV]HJRRSUDFRZDQLDMHVW]DSR]QDQLHF]\
WHOQLNyZ]SRMĊFLDPLNRSXOLLMHMUR]ZLQLĊFLDDV\PSWRW\F]QHJRNWyUH]QDOD]á\
V]HURNLH]DVWRVRZDQLHZEDGDQLXLRSLVLH]DOHĪQRĞFLPLĊG]\]GDU]HQLDPLHNV
WUHPDOQ\PL -HVW WR V]F]HJyOQLHLVWRWQHZRFHQLH U\]\ND ÄGXĪHM VWUDW\´ QS
Z XEH]SLHF]HQLDFKF]\ LQZHVW\FMDFKILQDQVRZ\FK
3U]\SRPQLMP\ ĪH IXQNFMĊ
)XQNFMH NWyUH VSHáQLDMą RVWDWQL ZDUXQHN QD]\ZDP\ GZXQLHPDOHMąF\PL
'ODIXQNFMLGZXNURWQLHUyĪQLF]NRZDOQ\FKZDUXQHNWHQMHVWUyZQRZDĪQ\QLH
XMHPQRĞFLSRFKRGQHMPLHV]DQHM3RQDGWRMDNáDWZR]DXZDĪ\üIXQNFMD&MHVW
QLHPDOHMąFDZ]JOĊGHPNDĪGHJRDUJXPHQWXLFLąJáDDQDZHWOLSVFKLW]RZVND 1LHFK ; L \ EĊGą ]PLHQQ\PL ORVRZ\PL RNUHĞORQ\PL QD WHM VDPHM SU]H
VWU]HQL SUREDELOLVW\F]QHM 'ZXZ\PLDURZąG\VWU\EXDQWĊ ) [\ PRĪHP\]DSL
VDü XĪ\ZDMąFRGSRZLHGQLHM NRSXOL & SDWU] >@ 7K
JG]LH ) [ ) \ Vą G\VWU\EXDQWDPL ; L \ =DXZDĪP\ ĪH ĞFLĞOH URVQąFH SU]H
NV]WDáFHQLD ]PLHQQ\FK ORVRZ\FK ; L \ QLH Z\PDJDMą ]PLDQ\ NRSXOL 5]H
F]\ZLĞFLHMHĪHOL
& A ! QD]\ZDP\ NRSXOą áąF]QLNLHP SDWU] >@MHĪHOL
9XY H &X ² &X
9XX H & OY Y & X O X@
9© 89L9
ɚſɥřɨƀřʳ űɩřʳ9
& XLY &XY L & XLYL&XY
) [\^[\ &)[ [)\\
[ I [ \ J \
3UDFD E\áD F]ĊĞFLRZR ILQDQVRZDQDZ UDPDFK JUDQWX 3%=.%13
>@
Asymptotyka dwuwymiarowych kopuli 79
gdzie / i g są ściśle rosnące i odwracalne, to
Fx>y(x,y) = Fxy(f~
1
(x),g~1
(y)) = C(Fx (f~l (x)),Fy(g-l (y)))= C(Fx ,(x),Fy(y)).
Dlatego kopule są cennym narzędziem, gdy chcemy badać tylko zależność między zmiennymi losowymi, a nie ich łączny rozkład, tym bardziej że kopule są wyznaczone jednoznacznie dla wszystkich par (u, v) takich, że równania Fx(x) = u i Fy(y) = v posiadają rozwiązanie.
Dla każdej kopuli C istnieje kopula dualna, tak zwana kopula przetrwania (survival copula) C, określona w następujący sposób:
C : (0, l)2 —► (0,1), C(ii, v) = C(l — u, 1 — v) + u + v — 1.
Zauważmy, że jeżeli C określa łączny rozkład X i y , to C określa łączny rozkład —X i ~ y .
Powiemy, że dwuwymiarowa kopula ma jednorodne rozwinięcie „dolnego ogona”, jeżeli dla argumentów bliskich zeru może być jednostajnie przybli- żona przez jednorodną funkcję pierwszego stopnia.
De f i n i c j a.
Kopula
C : (0, l)2 —► (0,1)
ma jednorodne rozwinięcie dolnego ogona, jeżeli istnieje funkcja jednorodna L : R+ —> R, > 0 L(tu,tv) = tL(u,v),
i funkcja ograniczona
R : (0, l)2 —> R, (u,v)-+(0,0) lim R(u,v) = 0, takie, że
Vtt, v G (0,1) C(u, v) — L(ut v) + R(u, v)(u + v).
Aby opisać asymptotykę dla argumentów bliskich 1, odwołamy się do kopuli dualnej. Powiemy, że dwuwymiarowa kopula C ma jednorodne roz- winięcie górnego ogona, jeżeli dualna kopula C ma jednorodne rozwinięcie dolnego ogona.
Funkcję L będziemy nazywali częścią główną rozwinięcia, a w przypadku, gdy jest ona równa zeru, będziemy mówić o rozwinięciu trywialnym.
Przytoczone powyżej warunki definicyjne są trochę silniejsze niż te roz- ważane przez P. Embrechtsa ([1]) i innych autorów, niemniej są one spełnione przez większość kopuli spotykanych w literaturze.
W rozdziale 2 omawiamy podstawowe własności części głównej i opi-
sujemy jej ogólną postać. Rozdział 3 zawiera przykłady kopuł i ich części
głównych. Między innymi dowodzimy, że kopule gaussowskie (opisujące roz-
kład normalny) mają trywialną asymptotykę. W rozdziale 4 pokazujemy
praktyczne zastosowania asymptotyki kopuł do oceny ryzyka inwestycji fi- nansowych.
2. Własności części głównej L. Niech L(u, v) będzie częścią główną jednorodnego rozwinięcia kopuli C(u, v).
Tw ie r d z e n ie
1. Funkcja L(u,v) jest dwu-niemalejąca:
u i < u 2 f\v i< v2 =>• L(
u i,
v2) + L(
u2,
v i) < L(ui,vi) + L(
u2,
v2), nieujemna i ograniczona przez mniejszy ze swoich argumentów, tzn.
0 < L{u,v) < min(u,v).
Dowód. Jak wiadomo, wszystkie kopule spełniają następujące oszacowa- nie ([4], Th. 2.2.3):
0 < C(u, v) < min(n, v).
Dlatego dla 0 < t < 1 mamy nierówności
0 < — ^ = L(u, v) -f (u + v)R(tu, tv) < min(r/, u).
Przechodząc do granicy (t —> 0), otrzymujemy 0 < L{u,v) < min(ii, v).
W podobny sposób pokażemy dwu-monotoniczność. Niech u\ < u2 i v\ < v2. Kopule są dwu-niemalejące, zatem dla każdego t, 0 < t < 1,
0 > C(tu\,tv2) + C{tu2,tv\) — C(tui,tv\) — C(tu2,tv2)
= tL(u\, v2) + tL(u2, vi) - tL(u\,vi) - tL(u2, v2) + tR(tui,tv2)(ui + v2) + tR(tu2) tvi)(u2 + vi) - tR(tui,tvi)(ui + vi) - tR{tu2, tv2)(u2 + v2).
Po podzieleniu przez t i przejściu do granicy otrzymujemy 0 > L(ui, v2) +
L (u2, v i)- L(ui,vi) - L(u2,
v2).Z powyższego twierdzenia i jednorodności wynikają dalsze własności L.
Wn io s e k
1. Część główna L(u,v) spełnia następujące warunki:
1. Dla dowolnych nieujemnych u i v, L(0,v) = L(u, 0) = 0.
2. L{u, v) jest niemalejąca ze względu na 'oba argumenty.
3. L(u,v) jest lipschitzowska dla dowolnych nieujemnych u,u\,v,v\:
|L(u, v) — L(u\,vi)\ < \u — ui \ + \v — v\\.
4. L(u, v) jest ciągła.
Dowód. Pierwszy warunek jest oczywisty. Ponieważ
0 < L(0, v) < min(0, v) = 0,
więc L(Q,v) = 0. Podobnie pokazujemy, że L(u, 0) = 0.
Asymptotyka dwuwymiarowych kopuli 81
Aby pokazać monotoniczność, należy skorzystać z dwu-monotoniczności z jednym argumentem równym 0. Rzeczywiście, dla u\ < U
2i u > 0 otrzy- mujemy
0 < L(u\,0) -i- L(
u2,
v) — L(ui,v) — L(u2,0) = L(u
2,u) - L(ui,u).
Podobnie dla v\ < V
2i u > 0 otrzymujemy
0 < L(0, ui) + L(u, v2) - L{0, V
2) - L(u, v\) = L(u, V
2) - L(u, ui).
Lipschitzowskość wynika z jednorodności. Mianowicie, dla 0 < u\ <
112i v > 0 mamy
L(
u2,
v) - L(ui,v) < L(
u2,
v) - L (
u i, — ^ ) = L(
u2,
v) - — L(
u2,
u)
V U2 / U2
= ( l - ^ ^ L ( u 2,v) < ( l - ^ j u2 ^ u2 ~ uV Podobnie dla 0 < u i < U 2 i u > 0 pokazujemy, że 0 < L(u,u
2) — L(u,u
1) <
r
>2— ui. Zatem
|L(u,u) - L(ui,ui)| = |L(u,u) - L(u,ui) + L(u,ui) - L(m,ui)|
< |L(u,u) - L(u,ui)| + |L(u,ui) - L(ui,ui)| < |u — ui| + \u - u\\.
Ciągłość wynika z lipschitzowskości.
Następna ważna własność L to wklęsłość. Okazuje się, że dla funkcji jed- norodnych pierwszego stopnia dwu-monotoniczność jest równoważna wklę- słości.
Tw ie r d z e n ie 2.
Niech H (u,v) będzie funkcją dodatnio jednorodną stopnia 1 określoną dla u, v > 0,
Vt > 0 H(tu,tv) = tH(u,v).
*Wówczas następujące warunki są równoważne:
1. H jest dwu-niemalejąca.
2. H jest wklęsła.
Dowód. Ograniczymy się do przypadku, gdy H ma ciągłe drugie po- chodne. Wówczas jednorodność H implikuje następujące równości:
u u
d2H ,
,d2H , . n
M (u’v ) + v d ^ {u’v) = 0’
d2H , (u>v) + vl ^ ( uiv) = °-
.d2 H
, .dudvK~' ' ' dv2
(Należy zróżniczkować obie strony równości H (tu,tv) = tH (u,v) po u lub
u i po t, a następnie podstawić t = 1.) Wynika z nich, że macierz drugich
pochodnych ma wyznacznik zero. Rzeczywiście,
d
2
h =w - ( u>v) & Ł ( u’v)
m £ ( u’v) i $ ( u’v) £ £ (« .» ) - ; £ £ ( « . » ) / Zatem det D2H = 0. Ponadto, ponieważ znak pierwszego minora przekątnio- wego jest przeciwny niż znak pochodnej mieszanej (u, v > 0), nieujemność pochodnej mieszanej jest równoważna niedodatniości całej macierzy. Z tego wynika, że warunki 1 i 2 są równoważne.
Wn io s e k 2.
L{u,v
)jest nadaddytywna, tzn.
L{u\
+u2, vi -I- v2)
>L(ui,vi)
+ L (u2, v2).Wni o s e k 3.
L(u,v
)można zapisać w postaci L{u, «) = (« + v)l \u + v j ,
gdzie l : (0,1) —> R jest funkcją wklęsłą i spełnia oszacowanie 0 < l(x) < min(a?, 1 — x).
2.1. Kopule z zadaną częścią główną L. W tym rozdziale pokażemy, że twierdzenie 1 charakteryzuje wszystkie możliwe części główne.
Tw i e r d z e n i e
3. Niech L
:M2
—>K będzie dwu-niemalejącą funkcją jednorodną stopnia 1 taką, że
v 0 < L(u, v) < min(u, v).
Wówczas funkcja
C{u, v) = max(L(u, v),u + v — 1) ograniczona do kwadratu jednostkowego (0, l)2 jest kopulą.
Dowód. Dla dowolnego u € (0,1) zachodzą następujące równości:
(7(0, v) = max(L(0, u), 0 + v — 1) = max(0, v — 1) = 0, (7(1, u) = max(L(l, u), 1 + v — 1) = max(l,u) = v.
Podobnie dla dowolnego u
E(0,1), C(u,0) = 0 i C(u, 1) = u.
Następnie wybieramy u \,u 2,v\,v2 takie, że u\ < u2 i v\ < v2. W zależ- ności od tego, który z dwóch argumentów funkcji maksimum jest większy, mamy cztery przypadki do rozpatrzenia. Pokażemy, że w każdym z nich C jest dwu-nierosnąca.
(i) C{u\,v2) + C(u2, vi) = (ui + v2 - 1) + (u2 + ui - 1)
= (m + vi - 1) + (u2 + v2 - 1) < C(ui,v{) + C(u
2, u2);
Asymptotyka dwuwymiarowych kopuli 83
(ii) C(ui, u2) + C(u2, vi) = (ui + v2 - 1) + L(
u2,
i>
i)
< (ui + v2 - 1) + (L(ui,vi) + U2 - Ul)
= L(ui,Vi) +U 2+V
2 - 1 <C(ui,Vi) + C (u 2,V2)]
(iii) C(u\, v2) + C{u2, ui) = L(ui, v2) + (u2 + ui — 1)
< (L(ui, ui) + u2 - ui) + (u2 + ui - 1)
= L(m ,vi) + u2 + u2 - 1 < C(ui,vi) + C(u2,v2);
(iv) C(U
1,V
2) + C(U
2,Vi) = L{
u\ ,
v2) + L(
u2, Ul)
< ^ (u i, Vi) + L(u2,u2) < C (u i, Ul) + C(tt2, V2).
Zauważmy, że dla każdego nieujemnego L i dla 0 < u 4- u < 1, C(u, u) = max(L(u,u), u + u — 1) = L(u, u).
Zatem L jest nie tylko aproksymacją dolnego ogona C, ale po prostu tym ogonem.
Wni o s e k 4.
Dla dowolnej funkcji wklęsłej l :
(0,1) —» Rtakiej, że
jest częścią główną rozwinięcia pewnej kopuli dwuwymiarowej.
3. Przykłady kopuli i ich części głównych
3.1. Kopula zmiennych losowych niezależnych. Załóżmy, że X i y są niezależne. Wówczas kopula ma prostą postać
W tym przypadku L{u, u) = 0 i R(u, u) = uv/(u + u) < (u + u)/2.
Zauważmy, że kopula dualna C pokrywa się z kopulą wyjściową:
C(u, u) = (7(1 — u, 1 — u)+ u+ u — 1 = (1 —u)(l —u)+u+u —1 = uv = C(u, u), zatem to samo dotyczy rozwinięcia górnego ogona.
3.2. Kopule zmiennych losowych doskonale zależnych. Załóżmy, że y = X. Wówczas kopula ma postać
0 < l(x) < min(a:, 1 — x), funkcja
C(u, u) = uv.
Wynika to z równości dystrybuant:
Fxy{x,y) - Fx (x)Fy (y).
C(u, u) = min(u, u).
Wynika to z następującej równości:
Fxy(x, y) = F(X < x A y <y) = F(X < x A X < y) = F(X < min(a;, y))
= Fx (mm(x,y)) = min(Fx (x), Fy{y)).
W tym przypadku L(u,v) = min(u, u) i R(u,v) = 0.
Zauważmy, że kopula dualna <7 pokrywa się z kopulą wyjściową:
(7(u, u) = (7(1 — u, 1 — u) + u + u — 1 = min(l — u, 1 — v) + u + v — 1
= min(u, u) = C(u,v),
zatem to samo dotyczy rozwinięcia górnego ogona.
Załóżmy, że 3^ = — A7 Wówczas kopula ma postać C(u, u) = max(0, u + v — 1).
Wynika to z następującej równości:
Fxy(x, ^/) = P(A’ < x A y < y) — < x A X > —y)
= max(0, - Fx (-y)) = max(0, Fx {x) - (1 - Fy(y))).
W tym przypadku L(u, u) = 0 i dla u + v < 1 również J?(u, u) = 0.
Zauważmy, że podobnie jak wyżej kopula dualna C pokrywa się z kopulą wyjściową:
(7(u, v) = (7(1 — u, 1 — v) -\-u-ł-v — 1
= max(0, (1 — u) + (1 — v) — 1) + u + v — 1
= max(0,1 — u — v) + u + v — 1 = max(u + u — 1,0) = (7(u, u), zatem to samo dotyczy rozwinięcia górnego ogona.
3.3. Kopule gaussowskie. Załóżmy, że X i y mają ten sam rozkład normalny standardowy 7V(0,1) i ich łączny rozkład jest normalny N (0, U).
Wówczas kopula (zwana gaussowską) ma postać
CN(u,v)
=F x y iF - ^ u lF - 'iv ) ) ,
gdzie F jest dystrybuantą rozkładu N (0,1). •
Le m a t 1.
Kopule gaussowskie mają trywialną asymptotykę obu ogonów.
Dowód. Zauważmy, że zmienna losowa Z = X + y ma rozkład normalny, w którym
E (2) = 0, D2(Z) = 2 + 2c < 4,
gdzie c = cov(X, ^). W dalszym ciągu będziemy korzystali z faktu, że X i y
są unormowane i — 1 < c < 1.
Asymptotyka dwuwymiarowych kopuli 85
Przyjmijmy, że u = F(x) i v = F(y) oraz x < y < 0. Wówczas
0 <CN{u,v) Fx y (x,y)
u + v F(x) + F(y) F(x) + F(y) < x
Ay < y) P(A' + y < x + y) F(x) + F{y)
V2+2ć)2y_\
F(x) + F(y) - F(y)
Następnie skorzystamy z oszacowania ogona standardowego rozkładu normalnego (patrz [3], str. 119). Dla dowolnego x < 0 mamy
Y I-I
\X\/ —2 \ i 1 / ■
y/2n 1 +X2 exp( _ ^ ) < F W < _ L jl exp( _ £ .) . Zatem
, %/2+2c _A
J
Hv) < H exp ( - i ś )
i ^ exp ( - £ ) < 2exp (G 1 + C
Ponieważ c jest mniejsze od 1, więc argument funkcji wykładniczej jest ujemny oraz
lim exp ( ( \ — ———l?/2! = 0.
y
-*-oo \\2 1 + c/
JW ten sposób, korzystając z twierdzenia o trzech funkcjach, pokazujemy, że L(u, v) = 0, co kończy dowód dla dolnego ogona. W przypadku górnego ogona dowód przebiega analogicznie.
3.4.
Kopule BEV.
Przykładem kopuli o nietrywialnej asymptotyce gór- nego ogona jest rodzina BEV (bivariate extreme value copulas,
patrz [2]), zdefiniowana następująco:Ca(u,v) =
exp
( (1„ M+ 1„(,))
a( h^ ^ m ) ) ,
gdzieA
: (0,1) —> R jest funkcją wypukłą spełniającą warunekmax(x, 1 —
x) < A{x) <
1.Le ma t 2.
Jeśli A(x)
^ max(x, 1 —x), to 1. asymptotyka dolnego ogona jest trywialna,
2. część główna rozwinięcia dla górnego ogona wynosi
Dowód.
1. Ponieważ funkcja wypukłaA(x)
jest nie mniejsza niż max(x, 1 —x)
i nie jest równa tożsamościowo temu maksimum, otrzymu- jemy oszacowanie na jej minimum:m
= minA[x)
> min maxbr, 1 •-x) =
- .XG(0,1) XG(0,1> 2
Zatem dla u + v < 1,
C
a(
u,
v) < exp(mln(uv)) = (uv)m < (u + v)(uv)m~0'5.
2. Rozwiniemy kopulę dualną C
a wszereg Taylora w punkcie (0,0):
CA(u,v)=exp ((ln(l - ^) + ln(l - v ) ) A _ ^ +~ _ v)) ) + “ +
= exp ^(—u — v )A ^ ~- ^ +
0 2^ +u + v — 1
= l - ( u + v)A[ U- ) + O
2+ W + V -I
\u + ^ /
= ( u + » ) ( l - y l ( ^ ) ) + 0 2.
W skrajnym przypadku, gdy A(x) = max(rr, 1 — x), mamy CU(it, u) = min(u, v) i tyle samo wynoszą obie części główne.
4. Zastosowania: Ryzyko podwójnej straty. W rozdziale tym po- każemy korzyści płynące z zastosowania jednorodnego rozwinięcia w mode- lowaniu ryzyka dużej straty dla portfela zawierającego dwa papiery. Skon- centrujemy się na następującym prostym przykładzie.
Inwestor zainwestował w akcje dwóch spółek odpowiednio x\ i X
2PLN, X\ , X
2> 0. Następnie ustalił pewien poziom bezpieczeństwa c, 0 < c < 1.
Aby oszacować ryzyko związane z przeprowadzoną inwestycją, jest on zain- teresowany wyznaczeniem następujących wielkości:
• prawdopodobieństwa tego, że na koniec okresu inwestycyjnego wartość jego portfela będzie mniejsza niż c(x
1+ X
2);
• warunkowego prawdopodobieństwa tego, że na koniec okresu inwesty- cyjnego wartość akcji jednej spółki będzie mniejsza niż c razy wartość po- czątkowa, pod warunkiem że zdarzyło się to z akcjami drugiej spółki;
• warunkowego prawdopodobieństwa tego, że na koniec okresu inwesty- cyjnego wartość akcji obu spółek będzie mniejsza niż c razy ich wartość początkowa, pod warunkiem że zdarzyło się to z akcjami jednej z nich;
• warunkowej wartości oczekiwanej liczby spółek wartość akcji, których spadła poniżej poprzeczki, pod warunkiem że zdarzyło się to z akcjami jednej z nich.
Niech i <S
ś,
ibędą cenami akcji na początku i na końcu okresu in- westycyjnego. Wówczas wartość portfela na koniec okresu inwestycyjnego wynosi
Sl,l , 52,1
Asymptotyka dwuwymiarowych kopuli 87
Załóżmy, że zwroty z obu akcji mają „tłuste ogony”, z tym samym in- deksem a > 0 (patrz [6], §9.2 i §9.5):
P(ln(5i)i) — \n(Sito) < z) ~ aj(—z)_a dla z < 0
i ponadto ich łączny rozkład jest określony przez kopulę mającą niezerową część główną L.
Niech F(c) będzie prawdopodobieństwem „porażki”:
F(c) = P(Wi < c{x\ + £
2)),
i niech U(c) i V (c) będą prawdopodobieństwami tego, że wartość pierwszego lub drugiego papieru spadła poniżej poprzeczki:
U{c) = p ( | r ^ < c) ~ a i(-ln (c ))“a,
V(ć) = P ( ^ t ~ C) ~ a2(_ ln (c))_Q- Zatem dla odpowiednio małych c zachodzą nierówności
(ln(max(a:i, X
2)) — ln(c(xi + £
2)) + ln2) QL(ai,<Z
2)
< F(c) < l (u c{xi + x 2)\ yfc(x 1 + X 2) Xi / \ X 2
< (ln(min(a:i,a:
2)) - ln(c(xi + X
2)))~aL(ai,
02).
Ponieważ
(ln(max(a:i,
X
2)
— ln(c(xi +X
2))
+ ln2)~Q (ln(min(a:i, 2:2)) - ln(c(zi +X
2)))~a
ln2 + |lna;2 — lnxi|
= l 1 +
w 1 — a
ln(min(xi,a:2)) - ln(c(a;i + 2:2))
ln2 + |ln2:2 — ln2:i|
ln(min(a:i, 2:2)) — ln(2;i + X2) — lnc’
więc przedział
jest relatywnie mały. Zatem możemy w miarę dokładnie oszacować prawdo- podobieństwo porażki.
Odpowiedź na pozostałe pytania otrzymamy, korzystając z klasycznego
wzoru na prawdopodobieństwo warunkowe:
r ( S v ^ .
52ll „ \ P( t ^ cA t ^ c)
C (U {c ),V (c))U i,o - S2,o -
Vp ( | i < c) "
V(c) ■Zatem dla odpowiednio małych c,
f
( S
ia< c 52,
i. \ ^ L{U(c),V(c)) , « z / —,
152,
o) V(c) 'yV(c)’ ) \a 2
Podobnie pokazujemy, że
< c Sl-1 < c) « L(U(c),V(c)) ,
V 52)
o5i,o “ ) U(c) 'k 'U(c)J V CLI Wzór na prawdopodobieństwo zajścia dwóch porażek pod warunkiem, że zaszła przynajmniej jedna, jest niewiele bardziej skomplikowany:
p2n =
p ( Ę r < c W1,0
a<->2,0
< cP ( f ^ < c A | ^ < e ) pffM- < c V ^ i < c) Zatem dla odpowiednio małych c,
L(U(c),V(c))
5i,i < c V 52,
i. < c
Si,o
52,0C(U{c\V(c))
U(c) + V(c)-C (U (c),V(c)Y
2|1
L(ai,
02)
U(c) + V(c) — L{U(c),V(c)) a\ + a2 - L (ai,a2) *
Natomiast wartość oczekiwana liczby porażek r pod warunkiem, że za- szła przynajmniej jedna, wynosi
E(t
I
t> 1) = 2 • P2|i + 1 • (1 — P2|i) = 1 + P2|i
_ U{c) + V(c) _ ai + a2
“ U{c) + V{c) - C{U{c),V(c)) ** ai + a
2- L ( a i , a 2) ’ Jak widać, dla małych c powyższe prawdopodobieństwa warunkowe i wartość oczekiwana się stabilizują i oszacowania asymptotyczne nie zależą od parametru c.
W praktycznych zastosowaniach należy określić, jakie c jest dostatecznie małe. W tym celu można np. sprawdzić za pomocą danych empirycznych, dla jakich c widoczna jest opisana powyżej stabilizacja. Okazuje się, że dla długich pozycji w USD i EUR (tzn. na przykład, gdy inwestor posiada te waluty), dla jedniodniowych zmian kursów walutowych może to być nawet 0.99.
Na wykresie przedstawione są wyniki dla dolnego ogona dziennych zmian
fbdngów i kursów średnich NBP dla USD i EUR (a wcześniej ECU) wzglę-
dem PLN. Dane obejmują okres od stycznia 1995 do lutego 2003 (2056
obserwacji).
Asymptotyka dwuwymiarowych kopuli 89
30-
20-
10-
T 10 20 30 40 50 60 70 80- *
Wykres 1. Liczby dużych spadków notowań. Źródło: opracowanie własne.
Punkty na wykresie przedstawiają następujące dane:
• pierwsza współrzędna to liczba przypadków, gdy kurs USD w danym dniu spadł poniżej c razy kurs poprzedni;
• druga współrzędna oznacza liczbę przypadków, gdy zarówno kurs USD, jak i kurs EUR spadły poniżej c razy kurs poprzedni.
Widoczna na wykresie liniowa zależność punktów odpowiadających róż- nym c (mniejszym od 0.99) potwierdza hipotezę o stabilizacji prawdopodo- bieństwa warunkowego, a zatem również hipotezę o nietrywialnej asympto- tyce dolnego ogona.
Literatura
[1] P. Embrechts, L. de Haan, X. Huang, Modelling multivariate extremes, w: P. Em- brechts (red.), Extremes and Integrated Risk Management, Risk Waters Group, 2000.
[2] W. Hiirlimann, Hutchinson-Lai’s conjecture for bivariate extreme value copulas, Statist. Probab. Lett. 61 (2003), 191-198.
[3] J. Jakubowski, R. Sztencel, Wstęp do rachunku prawdopodobieństwa, SCRIPT, War- szawa, 2000."
[4] R. B. Nelsen, An Introduction to Copulas, Springer, 1999.
[5] R. T. Rockafellar, Convex Analysis, Princeton Univ. Press, Princeton, 1970.
[6] A. Weron, R. Weron, Inżynieria finansowa, WNT, Warszawa, 1999.
Instytut Matematyki Uniwersytet Warszawski ul. Banacha 2
02-097 Warszawa
E-mail: jwptxa@mimuw.edu.pl