第四章补充2 Copula函数介绍
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
形成的Copula函数。
四、相关性度量：线性相关
(X ,Y ) E[(X EX )(Y EY )]
( X ,Y )
1 (n 1)
n i 1
( xi
x)( yi
y)
（1）对奇异点敏感； （2）测度X与Y之间的平均相关性； （3）在严格递增线性变换下不变。
补充2：Copula函数
内容提要： 背景问题； Copula函数介绍； Copula函数的类型； 相关性度量； Copula函数在风险管理中的应用。
一、背景问题
在保险与金融业，度量公司的保险产品组 合或公司持有金融资产的组合的风险是一 个非常普通的问题。
例：考虑两类保险风险——风暴和洪水—— 的索赔分布：（1）仅了解单个索赔的分 布是否足够？（2）如果风险索赔具某种 相关性，情况又会怎样？
表示标准正态分布函数的逆函数。
“或”正态随机变量 X i 的均值和方差分别
为 i , i ,i=1,2…,n，协方差矩阵为 。则
随机变量
数 C (u1, u2
,
Ui
...un
)
为( XCioipuil)a函（数i=，1,称2…为,n协）方的差分矩布阵函
为 的正态（高斯） Copula函数（ 为标准正
Kendall tau的性质
（1）对奇异值不敏感； （2）测度X与Y之间的平均相关性； （3）在严格递增（含线性)变换下不变； （4）仅依赖（X，Y)的Copula。
四、相关性度量：尾相关
定义：设（X，Y）是边际分布函数为Fx 和 Fy
的随机向量，（X，Y）的上尾部相关系
数定义为 U (X ,Y)
态分布函数）。
Copula函数的类型（续）
（2）多元t-Copula函数(Multivariate Student Copula）
（3）阿基米德Copula函数(Archimedean Copula) （4）极值Copula函数(Extreme Value Copula) （5）乘积Copula函数：独立均匀分布的连乘积
理工具； 2002年，张尧庭在国内最早在理论上探讨了Copula在金
融上应用的可行性 。
二、 Copula函数介绍：定义
定义：n维Copula函数就是 [0,1]n 上边缘分布为 均匀分布的多元分布函数。
例1：设C(u,v)=uv,且u、v是（0,1）上相互独立 的均匀分布，则C是Copula函数（称为独立 Copula函数）。
非寿险公司准备金计算 http://www.goouon.com (Goouon Actuarial
Solutions)
参考文献
Nelsen,R.B. An Introduction to Copulas. New York: Spring-Verlag, 1999
Joe,H. Multivariate Models and Dependence Concepts. London: Chapman and Hall, 1997
讨论问题5
试综述论文的研究方法及结果。 参考文献：李健伦，方兆本，估算我国保
监会对产险业的容许破产概率，中国管理 科学，2006年第14卷第4期 李健伦，保险监管中的法定偿付能力度量 问题研究第二章与第三章，中国科技大学 博士论文，2006
五、 Copula函数在风险管理 中的应用：之一
李健伦，保险监管中的法定偿付能力度量 问题研究第二章与第三章，中国科技大学 博士论文，2006
关注点： 1）如何把现实问题转化为Copula可解决的
问题； 2）如何将Copula方法实现化。
五、 Copula函数在风险管理 中的应用：之二
保险公司各产品线之间损失相关性（可用 赔付率来考虑！）
三、Copula函数的类型
（1）多元正态Copula函数(Multivariate Gaussian
Copula)：密度函数为 C (u1 ,u2 ,...,uN , ) [ 1 (u1 ),..., 1 (uN )]
其中 表示相关系数矩阵为 的标准正态分布， 1(.)
四、相关性度量：秩相关
定义1：两组(x,y)和 (x, y) 被称为协同 (concordant)是指 (x x)(y y) 0 ；被称为不 协同(discordant)是指 (x x)( y y) 0 。
定义2：Kendall tau：设 (°X ,Y°)与（X,Y）相互 独立同分布， (x,Y ) P[(X °X )(Y Y°) 0] P[(X °X )(Y Y°) 0] 它可由下式估计： 总的协同对数与总的非 协同对数之差除以总的对数。
一、背景问题：为什么需要 先进的相依结构建模
保险和金融中的新的复杂产品产生了具有 复杂相依结构的组合；
需要比多元正态分布更灵活的多元模型； 在观察到的相依结构中，相关系数并非满
意的相依结构度量； 错误的相依结构会严重低估组合风险； 边缘分布+相依结构=组合模型。
二、 Copula函数介绍：简史
Copula函数的基本思想是将多元分布（组合模型）的相 依结构和边缘分布予以分离；
1940年，Hoeffding研究了多元分布的性质； 1959年， 单词“Copula”在Sklar发表的学术论文中第一
次出现； 1998年，在风险管理中如何运用Copula的研究 论文出现； 2004年，保险公司和金融机构开始用Copula作为风险管
Sklar定理的作用
利用Sklar定理，风险管理者可以自由地把任意n个 一元边际分布函数（其可以相同，也可以互不相同） 构成一个n元的联合分布函数。同样是这n个一元分 布函数，选用的Copula函数不同，得到的n元联合分 布函数也不同。通过Copula函数构造联合分布函数， 可以使风险管理者很容易地突破已知的标准多元分 布函数限制，在多个随机变量的联合分布建模时， 有更多的选择余地，从而更加容易地对金融保险领 域中的随机风险建模。
例2：设（X,Y）是一对随机变量，联合分布函 数为H(x,y)，边缘分布函数为FX (x)和 FY (y) 。则：1） U= FX (X )、V= FY (Y) 均为（0,1）上的均匀分布; 2)(U,V)的分布函数是Copula函数。
Sklar定理
设F是一个n维的随机分布函数，其边缘分 布函数是 F1 ，F2 ，F3 … Fn 。那么存在一个n 维的Copula函数 C(u1,u2,...,un ) 对于所有在Rn 的x满足F (x1, x2,..., xn ) C[F1(x1),..., Fn (xn )] ，如果边 缘分布函数是连续函数，那么该Copula函 数 C(u1,u2,...,un ) 是唯一的。
Fra Baidu bibliotek
lim u1
P{Y
FY1(u) \
X
FX1(u)}
假设 U [0,1] 存在; （X，Y）的下尾部相关
系数定义为 ；若 L(X,Y)
lim
u0
P{Y
FY1(u) \
X
FX1(u)}
L [0,1]
在。如果 U 0(L 0) ，则称（X，Y）
上（下)尾相关。
四、相关性度量：线性相关
(X ,Y ) E[(X EX )(Y EY )]
( X ,Y )
1 (n 1)
n i 1
( xi
x)( yi
y)
（1）对奇异点敏感； （2）测度X与Y之间的平均相关性； （3）在严格递增线性变换下不变。
补充2：Copula函数
内容提要： 背景问题； Copula函数介绍； Copula函数的类型； 相关性度量； Copula函数在风险管理中的应用。
一、背景问题
在保险与金融业，度量公司的保险产品组 合或公司持有金融资产的组合的风险是一 个非常普通的问题。
例：考虑两类保险风险——风暴和洪水—— 的索赔分布：（1）仅了解单个索赔的分 布是否足够？（2）如果风险索赔具某种 相关性，情况又会怎样？
表示标准正态分布函数的逆函数。
“或”正态随机变量 X i 的均值和方差分别
为 i , i ,i=1,2…,n，协方差矩阵为 。则
随机变量
数 C (u1, u2
,
Ui
...un
)
为( XCioipuil)a函（数i=，1,称2…为,n协）方的差分矩布阵函
为 的正态（高斯） Copula函数（ 为标准正
Kendall tau的性质
（1）对奇异值不敏感； （2）测度X与Y之间的平均相关性； （3）在严格递增（含线性)变换下不变； （4）仅依赖（X，Y)的Copula。
四、相关性度量：尾相关
定义：设（X，Y）是边际分布函数为Fx 和 Fy
的随机向量，（X，Y）的上尾部相关系
数定义为 U (X ,Y)
态分布函数）。
Copula函数的类型（续）
（2）多元t-Copula函数(Multivariate Student Copula）
（3）阿基米德Copula函数(Archimedean Copula) （4）极值Copula函数(Extreme Value Copula) （5）乘积Copula函数：独立均匀分布的连乘积
理工具； 2002年，张尧庭在国内最早在理论上探讨了Copula在金
融上应用的可行性 。
二、 Copula函数介绍：定义
定义：n维Copula函数就是 [0,1]n 上边缘分布为 均匀分布的多元分布函数。
例1：设C(u,v)=uv,且u、v是（0,1）上相互独立 的均匀分布，则C是Copula函数（称为独立 Copula函数）。
非寿险公司准备金计算 http://www.goouon.com (Goouon Actuarial
Solutions)
参考文献
Nelsen,R.B. An Introduction to Copulas. New York: Spring-Verlag, 1999
Joe,H. Multivariate Models and Dependence Concepts. London: Chapman and Hall, 1997
讨论问题5
试综述论文的研究方法及结果。 参考文献：李健伦，方兆本，估算我国保
监会对产险业的容许破产概率，中国管理 科学，2006年第14卷第4期 李健伦，保险监管中的法定偿付能力度量 问题研究第二章与第三章，中国科技大学 博士论文，2006
五、 Copula函数在风险管理 中的应用：之一
李健伦，保险监管中的法定偿付能力度量 问题研究第二章与第三章，中国科技大学 博士论文，2006
关注点： 1）如何把现实问题转化为Copula可解决的
问题； 2）如何将Copula方法实现化。
五、 Copula函数在风险管理 中的应用：之二
保险公司各产品线之间损失相关性（可用 赔付率来考虑！）
三、Copula函数的类型
（1）多元正态Copula函数(Multivariate Gaussian
Copula)：密度函数为 C (u1 ,u2 ,...,uN , ) [ 1 (u1 ),..., 1 (uN )]
其中 表示相关系数矩阵为 的标准正态分布， 1(.)
四、相关性度量：秩相关
定义1：两组(x,y)和 (x, y) 被称为协同 (concordant)是指 (x x)(y y) 0 ；被称为不 协同(discordant)是指 (x x)( y y) 0 。
定义2：Kendall tau：设 (°X ,Y°)与（X,Y）相互 独立同分布， (x,Y ) P[(X °X )(Y Y°) 0] P[(X °X )(Y Y°) 0] 它可由下式估计： 总的协同对数与总的非 协同对数之差除以总的对数。
一、背景问题：为什么需要 先进的相依结构建模
保险和金融中的新的复杂产品产生了具有 复杂相依结构的组合；
需要比多元正态分布更灵活的多元模型； 在观察到的相依结构中，相关系数并非满
意的相依结构度量； 错误的相依结构会严重低估组合风险； 边缘分布+相依结构=组合模型。
二、 Copula函数介绍：简史
Copula函数的基本思想是将多元分布（组合模型）的相 依结构和边缘分布予以分离；
1940年，Hoeffding研究了多元分布的性质； 1959年， 单词“Copula”在Sklar发表的学术论文中第一
次出现； 1998年，在风险管理中如何运用Copula的研究 论文出现； 2004年，保险公司和金融机构开始用Copula作为风险管
Sklar定理的作用
利用Sklar定理，风险管理者可以自由地把任意n个 一元边际分布函数（其可以相同，也可以互不相同） 构成一个n元的联合分布函数。同样是这n个一元分 布函数，选用的Copula函数不同，得到的n元联合分 布函数也不同。通过Copula函数构造联合分布函数， 可以使风险管理者很容易地突破已知的标准多元分 布函数限制，在多个随机变量的联合分布建模时， 有更多的选择余地，从而更加容易地对金融保险领 域中的随机风险建模。
例2：设（X,Y）是一对随机变量，联合分布函 数为H(x,y)，边缘分布函数为FX (x)和 FY (y) 。则：1） U= FX (X )、V= FY (Y) 均为（0,1）上的均匀分布; 2)(U,V)的分布函数是Copula函数。
Sklar定理
设F是一个n维的随机分布函数，其边缘分 布函数是 F1 ，F2 ，F3 … Fn 。那么存在一个n 维的Copula函数 C(u1,u2,...,un ) 对于所有在Rn 的x满足F (x1, x2,..., xn ) C[F1(x1),..., Fn (xn )] ，如果边 缘分布函数是连续函数，那么该Copula函 数 C(u1,u2,...,un ) 是唯一的。
Fra Baidu bibliotek
lim u1
P{Y
FY1(u) \
X
FX1(u)}
假设 U [0,1] 存在; （X，Y）的下尾部相关
系数定义为 ；若 L(X,Y)
lim
u0
P{Y
FY1(u) \
X
FX1(u)}
L [0,1]
在。如果 U 0(L 0) ，则称（X，Y）
上（下)尾相关。