[论文解读] Capital allocation and tail central moments for the multivariate normal mean-variance mixture distribution

Enrique Calderín–Ojeda, Yuyu Chen+1 more|arXiv (Cornell University)|Jan 2, 2026

Risk and Portfolio Optimization被引用 0

一句话总结

该论文提出一种基于尾部中心矩（TCM）的资本配置方法，并在多变量正态均值-方差混合（NMVM）框架（包括GH分布）中推导了TCM和基于TCM的资本配置的递归解析表达式。

ABSTRACT

Capital allocation is a procedure used to assess the risk contributions of individual risk components to the total risk of a portfolio. While the conditional tail expectation (CTE)-based capital allocation is arguably the most popular capital allocation method, its inability to reflect important tail behaviour of losses necessitates a more accurate approach. In this paper, we introduce a new capital allocation method based on the tail central moments (TCM), generalising the tail covariance allocation informed by the tail variance. We develop analytical expressions of the TCM as well as the TCM-based capital allocation for the class of normal mean-variance mixture distributions, which is widely used to model asymmetric and heavy-tailed data in finance and insurance. As demonstrated by a numerical analysis, the TCM-based capital allocation captures several significant patterns in the tail region of equity losses that remain undetected by the CTE, enhancing the understanding of the tail risk contributions of risk components.

研究动机与目标

• 推动对CTE基础资本配置之外的尾部风险评估需求
• 引入尾部中心矩（TCM），作为尾部方差在资本配置中的推广
• 推导NMVM分布中TCM及基于TCM的资本配置的递归解析表达式
• 展示NMVM和GH分布如何建模不对称性和重尾金融数据
• 通过数值分析演示TCM基配置揭示CTE未捕捉的尾部模式

提出的方法

• 定义级别alpha的k阶尾部矩（TM）和尾部中心矩（TCM）
• 提出基于TCM的资本配置，其中K = TCM_alpha,k(S)且K_i = Cov[X_i, (S - CTE_alpha(S))^{k-1} | S > s_alpha]
• 给出单变量NMVM分布的TM与TCM递推公式（定理1）
• 将TM/TCM结果扩展至多变量NMVM，以获得每个分量的显式资本配置（第4节）
• 当Theta服从GIG分布时，将结果具体化到GH/NMVM子类（注4）
• 给出使用多变量GH的数值示例以说明该方法（第5节）

实验结果

研究问题

• RQ1 如何利用尾部中心矩在NMVM模型中提升超越CTE的资本配置？
• RQ2 单变量NMVM分布的TM和TCM的递推公式是什么？
• RQ3 如何在多变量NMVM分布中计算并解读基于TCM的资本配置？
• RQ4 NMVM/GH结构如何影响各分量的尾部风险贡献？

主要发现

• TCM基于的资本配置满足完整分配属性（命题1）
• 给出NMVM聚合损失S的TM与TCM的显式递推表达（定理1）
• 在多变量NMVM设定下得到TM/TCM基的资本配置的闭式或可递归计算形式（第4节）
• 推论给出CTE、TM_2和TV在NMVM框架下的特殊情形（推论1）
• 将GH分布作为NMVM的一个特殊情形纳入，扩大适用范围（注4）
• 使用多变量GH的数值示例表明TCM基配置能揭示CTE未发现的尾部风险模式（第5节）