Im finanz- und versicherungswirtschaftlichem Umfeld spielt die Modellierung von Abhängigkeiten in diversen Anwendungsfällen eine zentrale Rolle. So kommt es beispielsweise in der Bankenpraxis dazu, Abhängigkeiten zwischen Risikofaktoren eines Portfolios zu modellieren.
Bei der Ermittlung des Gesamtrisikoprofils spielt die Frage nach der geeigneten Zusammenführung der Risikoarten ebenso eine zentrale Rolle wie die Korrelationen zwischen den einzelnen Teilrisiken. Dabei soll das Konzept der Copula helfen die einzelnen Risiken verteilungsspezifisch zu simulieren und zu einer gemeinsamen Verteilung zu verknüpfen.
Diese Arbeit, inhaltlich aus drei aufeinander aufbauenden Kapiteln bestehend, soll einführende und vertiefende Aspekte zur Copula-Theorie vermitteln. Dabei nimmt insbesondere die im vierten Hauptkapitel vorgestellte Simulationsstudie für Copula-Parameterschätzer eine zentrale Rolle in dieser Arbeit ein. Dementsprechend ist auch das Konzept so ausgerichtet, dass die Simulationsstudie sukzessive durch theoretische und beispielhafte Argumentationen vorbereitet und motiviert wird. Dabei wird zunächst im Kapitel 2 das Grundkonzept der Copula-Idee vorgestellt. Aufbauend auf der Konstruktion im bivariaten Modellkontext werden grafische und formale Eigenschaften dieses Konzepts vorgestellt ehe es anschließend auf den multivariaten Fall ausgeweitet wird. Die Quellenangaben werden jeweils im Text angegeben und es wird an entsprechenden Stellen auf weiterführende Aspekte oder tiefgründigere mathematische Aufarbeitungen hingewiesen.
Nachdem die Grundlagen gelegt wurden, werden im Kapitel 3 verschiedene Copula-Arten vorgestellt und näher charakterisiert. Dabei soll bei der Erläuterung der Besonderheiten der einzelnen Copula-Klassen ein ausgewogener Mix zwischen mathematischer Formulierung und grafischer, beispielorientierter Argumentation herrschen. Darüber hinaus werden jeweils Vor- und Nachteile dargestellt und es wird regelmäßig versucht einen praktischen Zusammenhang herzustellen.
Im abschließenden Kapitel 4 soll es im Rahmen einer Performance-Simulationsstudie darum gehen, wie gut sich Minimum-Distanz Schätzer (MD) im Vergleich zu Maximum-Likelihood Schätzern (ML) bei der Parameterbestimmung für Archimedische und Parametrische Copulas verhalten. Dabei werden zunächst die zwei Schätzverfahren vorgestellt, ehe diese anschließend mithilfe des Statistikprogramms R angewendet werden.
Inhaltsverzeichnis
1. Einleitung
2. Einführung in die Grundlagen der Copula-Theorie
2.1 Konstruktion und Eigenschaften bivariater Copula-Modelle
2.2 Der allgemeine Fall: Multivariate Copula
3. Klassifizierung von Copula-Modellen
3.1 Fundamental-Copulas
3.1.1 Kontramononotonie-Copula
3.1.2 Unabhängigkeitscopula
3.1.3 Komonotonie-Copula
3.2 Archimedische – Copulas
3.2.1 Gumbel-Copula
3.2.2 Clayton – Copula
3.3 Parametrische Copulas
3.3.1 Gauß-Copula
3.3.2 t-Copula
4. Simulationsstudie: Parameterbestimmung bivariater Copulas – Vergleich von Maximum-Likelihood und Minimum-Distanz Schätzern
4.1 Schätzverfahren zur Parameterbestimmung
4.1.1 Maximum Likelihood Schätzer
4.1.2 Minimum Distanz Schätzer
4.2 Simulationsstudie
4.2.1 Design der Simulationsstudie
4.2.2 Resultat und Schlussfolgerung
5. Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Effizienz verschiedener Schätzverfahren für die Parameterbestimmung von Copula-Modellen. Ziel ist es, durch eine umfangreiche Simulationsstudie zu bewerten, wie präzise Maximum-Likelihood-Schätzer im Vergleich zu verschiedenen Minimum-Distanz-Schätzern unter unterschiedlichen Bedingungen und Modellannahmen agieren.
- Grundlagen der Copula-Theorie und ihre mathematische Definition.
- Klassifizierung und Charakterisierung verschiedener Copula-Familien (Fundamental-, Archimedische- und Parametrische Copulas).
- Methodische Darstellung von Schätzverfahren wie Maximum Likelihood und Minimum Distanz.
- Durchführung einer Performance-Simulationsstudie zur Bewertung der Parameterschätzgüte.
Auszug aus dem Buch
3.2.1 Gumbel-Copula
Nachfolgend sei φ ein Ein-Parameter-Erzeuger φ(t) = (−ln(t))^θ mit θ ∈ [1, ∞) der Gumbel-Copula. Anhand des Wertebereiches von θ wird deutlich, dass sich mit diesem Generator nur positive Abhängigkeiten modellieren lassen. Im Laufe dieses Teilkapitels wird gezeigt, dass auch der Fall der Unabhängigkeit konstruiert werden kann. Mahfoud [2012, S.19] charakterisiert die Gumbel-Copula als Modell um asymptotische Abhängigkeiten in einem Datensatz zu modellieren. Auf die Besonderheit wird im Laufe dieses Teilkapitels noch näher eingegangen.
Zusammenfassung der Kapitel
1. Einleitung: Dieses Kapitel erläutert die Relevanz der Modellierung von Abhängigkeiten im Finanz- und Versicherungssektor und stellt das Konzept der Copula als zentrales Instrument vor.
2. Einführung in die Grundlagen der Copula-Theorie: Hier werden die mathematischen Konstruktionen und Eigenschaften bivariater und multivariater Copulas definiert und ihre Bedeutung für die Trennung von Randverteilungen und Abhängigkeitsstrukturen dargelegt.
3. Klassifizierung von Copula-Modellen: Dieses Kapitel führt verschiedene Copula-Klassen ein, darunter die fundamentalen, archimedischen und parametrischen Modelle, und diskutiert deren spezifische Eigenschaften.
4. Simulationsstudie: Parameterbestimmung bivariater Copulas – Vergleich von Maximum-Likelihood und Minimum-Distanz Schätzern: Dieser Teil beschreibt die methodische Vorgehensweise zur Evaluierung der Schätzgüte von Maximum-Likelihood- und Minimum-Distanz-Schätzern anhand verschiedener Copula-Typen.
5. Fazit: Das Fazit fasst die Ergebnisse der Simulationsstudie zusammen und hebt die überlegene Effizienz des Maximum-Likelihood-Schätzers gegenüber den untersuchten Minimum-Distanz-Schätzern hervor.
Schlüsselwörter
Copula-Theorie, Maximum Likelihood Schätzer, Minimum Distanz Schätzer, Gumbel-Copula, Clayton-Copula, t-Copula, Normal-Copula, Risikoaggregation, Asymptotische Abhängigkeit, Simulationsstudie, MSE, Parameterschätzung, Finanzmarktstatistik, Stochastische Abhängigkeit, R-Programmierung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Bachelorarbeit beschäftigt sich mit der mathematischen Theorie der Copula-Funktionen und der anschließenden Evaluierung von Schätzverfahren zur Bestimmung ihrer Parameter.
Was sind die zentralen Themenfelder der Publikation?
Die Arbeit behandelt die Modellierung von Abhängigkeitsstrukturen, die mathematische Charakterisierung verschiedener Copula-Familien sowie die vergleichende Analyse von Schätzgüten durch Simulationsstudien.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel der Arbeit ist der systematische Vergleich der Performance von Maximum-Likelihood-Schätzern gegenüber diversen Minimum-Distanz-Schätzern bei der Parameterbestimmung für verschiedene Copula-Typen.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer theoretischen Herleitung der Copula-Eigenschaften und einer umfassenden, computergestützten Simulationsstudie, die mit der statistischen Software R durchgeführt wurde.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die theoretische Einführung in Copula-Klassen (Kapitel 2 und 3) und die detaillierte Simulationsstudie (Kapitel 4), die mathematische Teststatistiken und Schätzverfahren testet.
Welche Schlüsselwörter charakterisieren die Arbeit am besten?
Schlüsselwörter wie Copula-Theorie, Maximum Likelihood, Minimum Distanz, Risikoaggregation und Asymptotische Abhängigkeit beschreiben den Fokus auf statistische Modellierung von Abhängigkeiten.
Warum wird die Gumbel-Copula als Modell verwendet?
Die Gumbel-Copula dient als prominentes Beispiel für eine Archimedische Copula, die besonders dafür geeignet ist, starke obere asymptotische Abhängigkeiten in Datensätzen abzubilden.
Welche Schlussfolgerung zieht der Autor bezüglich der Schätzverfahren?
Die Arbeit kommt zu dem Ergebnis, dass der Maximum-Likelihood-Schätzer im Vergleich zu den Minimum-Distanz-Schätzern sowohl hinsichtlich der Berechnungsgeschwindigkeit als auch der Präzision die effizienteste Wahl darstellt.
- Citar trabajo
- Paul Passek (Autor), 2017, Maximum-Likelihood- und Minimum-Distanz-Schätzer von Copula-Funktionen, Múnich, GRIN Verlag, https://www.grin.com/document/448702
