[论文解读] Tail Dependence of Factor Models

Yannick Malevergne, Didier Sornette|arXiv (Cornell University)|Feb 20, 2002

Financial Risk and Volatility Modeling参考文献 32被引用 4

一句话总结

本文在无需假设多元参数分布的前提下，利用因子模型推导出股票与市场之间尾部依赖关系的一般公式。该方法可通过可观测统计量估计极端风险参数，与1962–2000年间的实际大额损失高度吻合，但存在偏差，表明1987年股灾可能为异常值。

ABSTRACT

Using the framework of factor models, we establish the general expression of the coefficient of tail dependence between the market and a stock (i.e., the probability that the stock incurs a large loss, assuming that the market has also undergone a large loss) as a function of the parameters of the underlying factor model and of the tail parameters of the distributions of the factor and of the idiosyncratic noise of each stock. Our formula holds for arbitrary marginal distributions and in addition does not require any parameterization of the multivariate distributions of the market and stocks. The determination of the extreme parameter, which is not accessible by a direct statistical inference, is made possible by the measurement of parameters whose estimation involves a significant part of the data with sufficient statistics. Our empirical tests find a good agreement between the calibration of the tail dependence coefficient and the realized large losses over the period from 1962 to 2000. Nevertheless, a bias is detected which suggests the presence of an outlier in the form of the crash of October 1987.

研究动机与目标

• 在因子模型框架下，推导股票与市场之间尾部依赖关系的一般表达式。
• 在不假设多元分布具体参数形式的前提下，估计尾部依赖系数。
• 通过数据丰富的充分统计量而非对罕见尾部事件的直接推断，实现极端风险参数的估计。
• 在1962–2000年期间，检验模型对实际大额损失的预测准确性。
• 检测极端市场行为中可能存在的异常值或结构突变，如1987年股灾。

提出的方法

• 采用因子模型框架，其中股票收益由共同市场因子和特异噪声驱动。
• 将尾部依赖系数表示为因子与特异噪声分布尾部参数及因子载荷的函数。
• 依赖数据主体部分的充分统计量来估计间接反映极端尾部分布行为的参数。
• 通过聚焦边际分布的尾部参数，避免对极端事件的直接统计推断。
• 利用1962至2000年历史收益数据对尾部依赖系数进行经验校准。
• 将校准后的尾部依赖关系与实际大额损失进行比较，以评估模型拟合度并检测异常现象。

实验结果

研究问题

• RQ1 如何在因子模型参数和边际尾部分布参数的基础上，表达股票与市场之间的尾部依赖关系？
• RQ2 是否可以在不假设多元参数分布形式的前提下，可靠估计极端风险参数？
• RQ3 模型预测的尾部依赖程度与历史数据中观测到的大额损失在多大程度上一致？
• RQ4 是否存在模型未能捕捉到的极端市场行为结构性异常？
• RQ5 1987年市场暴跌是否为与模型预测不一致的异常值？

主要发现

• 所推导的尾部依赖公式具有普遍性，适用于任意边际分布，且无需对联合分布做参数假设。
• 模型对尾部依赖的校准结果与1962–2000年期间的实际大额损失高度一致。
• 在预测与实际尾部依赖之间检测到系统性偏差，表明存在异常值事件。
• 1987年市场暴跌被识别为可能的异常值，因其与模型预测显著偏离。
• 该方法成功利用数据主体部分的充分统计量估计了极端风险参数，避免了对罕见尾部事件的直接推断。
• 结果证实，尾部依赖由市场因子和个股特异噪声的尾部行为共同驱动。