[论文解读] A multivariate extension of Value-at-Risk and Conditional-Tail-Expectation

Areski Cousin, Éléna Di Bernardino|arXiv (Cornell University)|Nov 5, 2011

Financial Risk and Volatility Modeling参考文献 36被引用 1

一句话总结

本文提出了风险价值（VaR）和条件尾部期望（CTE）的多变量扩展，将单变量风险度量推广至多个风险因子的情境。研究证明，这两种度量均满足正齐次性和位移不变性，并利用阿基米德 copula 模型分析了其对边缘分布、依赖结构和风险水平变化的敏感性。

ABSTRACT

In this paper, we introduce a multivariate extension of the classical univariate Valueat-Risk (VaR). This extension may be useful to understand how solvency capital requirement computed for a given nancial institution may be aected by the presence of additional risks. We also generalize the bivariate Conditional-Tail{Expectation (CTE), previously introduced by Di Bernardino et al. (2011), in a multivariate setting and we study its behavior. Several properties have been derived. In particular, we show that these two risk measures both satisfy the positive homogeneity and the translation invariance property. Comparison between univariate risk measures and components of multivariate VaR and CTE are provided. We also analyze how they are impacted by a change in marginal distributions, by a change in dependence structure and by a change in risk level. Interestingly, these results turn to be consistent with existing properties on univariate risk measures. Illustrations are given in the class of Archimedean copulas.

研究动机与目标

• 将单变量风险价值（VaR）和条件尾部期望（CTE）扩展至多变量框架，以评估系统性风险敞口。
• 研究在金融机构中新增风险时，偿付能力资本要求如何受到影响。
• 将 Di Bernardino 等人（2011）提出的双变量 CTE 扩展至多变量情形。
• 考察边缘分布、依赖结构和风险水平的变化对多变量风险度量的影响。
• 确保与既有的单变量风险度量属性（如正齐次性和位移不变性）保持一致。

提出的方法

• 通过定义联合损失分布的多变量分位数，提出 VaR 的多变量扩展。
• 通过在多变量 VaR 阈值之外的联合尾部区域上进行条件化，将 CTE 推广至多变量设置。
• 采用阿基米德 copula 建模风险因子之间的依赖结构，以实现解析可处理性。
• 推导出多变量 VaR 和 CTE 的理论性质，如正齐次性和位移不变性。
• 通过改变边缘分布、copula 参数（依赖结构）和风险水平，分析度量的敏感性。
• 在阿基米德 copula 框架内结合模拟与解析推导，说明度量的行为特征及其与单变量对应度量的一致性。

实验结果

研究问题

• RQ1 如何有意义地将单变量风险度量（如 VaR 和 CTE）扩展至涉及多个依赖风险的多变量情境？
• RQ2 多变量 VaR 和 CTE 在多大程度上保持了正齐次性和位移不变性等关键属性？
• RQ3 边缘分布的变化如何影响多变量 VaR 和 CTE 的取值？
• RQ4 通过 copula 参数控制的依赖结构变化，如何影响多变量风险度量？
• RQ5 多变量 VaR 和 CTE 的各组成部分在风险贡献和敏感性方面，与单变量对应度量相比有何表现？

主要发现

• 所提出的多变量 VaR 和 CTE 均满足正齐次性和位移不变性，与单变量风险度量标准保持一致。
• 研究表明，在与单变量情形相同的条件下，多变量 CTE 是一致的风险度量，增强了其在监管资本配置中的适用性。
• 边缘分布的变化显著影响多变量 VaR 和 CTE 的取值，表明其对个体风险特征具有高度敏感性。
• 依赖结构的改变（尤其是通过 copula 参数控制）在多变量风险度量中产生可测量且一致的变动，尤其在尾部分布区域表现明显。
• 在不同风险水平下，多变量风险度量的行为与单变量结果保持一致，支持其可解释性与可扩展性。
• 在阿基米德 copula 类中的实例验证表明，所提出的扩展具有解析可处理性，适用于实际风险管理应用。