6 votos

¿Existe una cópula que pueda estimar la dependencia de la cola negativa?

He encontrado numerosos estimadores de cópulas que pueden estimar correlaciones lineales y no lineales invariables y variables en el tiempo en el intervalo $[-1,1]$ y estos estimadores son totalmente consistentes con marginales univariados arbitrarios y diferentes formas de la distribución conjunta bivariada.

También he encontrado cópulas (Gumbel, Clayton y otras) que pueden estimar la dependencia de la cola inferior y superior que varía con el tiempo en el intervalo $[0,1]$ .

Sin embargo, creo que estas medidas de dependencia de la cola sólo pueden detectar la dependencia positiva.

¿Existe un estimador de cópula invariable o variable en el tiempo que pueda detectar la dependencia negativa en las colas?

1 votos

El coeficiente de dependencia de la cola es, por definición, no negativo. Tienes que formular lo que quieres decir con "dependencia negativa en las colas", ya que no es obvio.

0 votos

¿cuál era el nombre del documento de trabajo?

5voto

Eric Nitardy Puntos 166

Aquí hay una documento de trabajo que pueden interesarle.

2 votos

¡¡Sí, muy bonito!!

0 votos

¿cuál era el nombre del documento de trabajo?

1 votos

@GAM ahora el enlace de tu documento de trabajo está diciendo "Página no encontrada, lo siento". ¿Puedes compartir el nombre del documento de trabajo, por favor?

3voto

brian buck Puntos 1103

¿Se refiere con "dependencia de cola negativa" al caso de que una variable tenga un valor extremadamente bajo y la otra variable aleatoria tenga un valor extremadamente grande, es decir,

$$\tau=\lim_{p \rightarrow 0} \frac{Pr[x>Q_x(1-p),y<Q_y(p)]}{p},$$

donde $Q_x(1-p)$ y $Q_y(p)$ consulte el $(1-p)$ -Cuantil de la variable aleatoria $x$ y el $p$ -Cuantil de la variable aleatoria $y$ respectivamente.

En este caso, la "dependencia de cola negativa" puede estimarse fácilmente de forma no paramétrica realizando una regresión ols.

Con $n$ observaciones $x_1,\cdots,x_n$ y $y_1,\cdots,y_n$ la estimación no paramétrica de $\tau$ se puede obtener como $\hat{\beta}$ tras realizar una regresión ols sobre el modelo $$\bf{1}_{y_t<Y_{k+1}}=\beta \bf{1}_{x_t>X_{n-k-1}},$$ donde $\bf{1}$ denota la función indicadora de la condición en el subíndice, y donde $Y_{k+1}$ y $X_{n-k-1}$ denotan respectivamente el $(k+1)$ -a la menor observación de $y_t$ y el $(k+1)$ -ésima observación más alta de x, respectivamente. Asegúrate de no incluir una constante en la regresión.

Para más información, véase el artículo "The simple econometrics of tail dependence", Economics Letters 116(3), 371-373, http://dx.doi.org/10.1016/j.econlet.2012.04.016 .

1 votos

Sí, has acertado con mi pregunta, ¡y muy buena adición! ¿Podría definir con más detalle lo que $(k+1)$ ¿es? Además, ¿hay alguna investigación sobre el uso de modelos de espacio de estado para obtener una estimación variable en el tiempo $\hat{\beta}(t)$ ?

0 votos

Durante la estimación, $k$ es un número fijo. Por ejemplo, 50 en el caso de 1000 rendimientos diarios o 100 en el caso de 2500 rendimientos diarios. Básicamente, define qué parte de la distribución empírica se considera "en la cola de la distribución". En teoría (según la teoría del valor extremo), el parámetro se elige de forma que $k\rightarrow \infty$ y $k/n \rightarrow 0$ como $n \rightarrow \infty$ .

0voto

user16233 Puntos 89

Existen diferentes métodos para obtener cópulas paramétricas con dependencia negativa de la cola.

Quizá le interese el siguiente documento: La dependencia negativa de la cola y sus aplicaciones para la modelización de pérdidas agregadas y la referencia en ella.

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X