[论文解读] Time-Varying Extreme Value Dependence with Application to Leading European Stock Markets
本文提出了一种非参数回归模型，用于建模双变量极值分布中随时间变化的极端依赖结构，利用角度密度估计来捕捉演变的尾部依赖。应用于欧洲股票市场后，发现极端依赖随时间增加，尤其在CAC、DAX和FTSE指数的左尾部表现明显，且有统计证据表明风险联动存在非平稳性。
Extremal dependence between international stock markets is of particular interest in today's global financial landscape. However, previous studies have shown this dependence is not necessarily stationary over time. We concern ourselves with modeling extreme value dependence when that dependence is changing over time, or other suitable covariate. Working within a framework of asymptotic dependence, we introduce a regression model for the angular density of a bivariate extreme value distribution that allows us to assess how extremal dependence evolves over a covariate. We apply the proposed model to assess the dynamics governing extremal dependence of some leading European stock markets over the last three decades, and find evidence of an increase in extremal dependence over recent years.
研究动机与目标
- 建模金融收益中的非平稳极端依赖，特别是在全球金融动荡的背景下。
- 解决多变量极值理论中缺乏灵活统计方法来建模随时间变化的依赖结构的问题。
- 评估过去三十年间主要欧洲股票市场（CAC、DAX和FTSE）之间极端依赖的演变情况。
- 提供一种稳健的非参数替代方法，以替代无法捕捉复杂、动态依赖模式的参数模型。
提出的方法
- 该方法使用非参数回归将双变量极值分布的角度密度建模为协变量（如时间）的函数。
- 采用核平滑方法估计条件角度密度，实现灵活、数据驱动的建模，无需假设参数形式。
- 该方法基于从变换数据中获得的伪角度，用于在每个协变量值处估计依赖结构。
- 通过自助抽样验证模型，构建极值系数的功能箱线图和置信带。
- 使用Pickands依赖函数刻画尾部依赖强度，其估计基于经验角度测度。
- 该方法设计用于处理每个协变量值仅对应一个伪角度的情形，因此适用于时间序列应用。
实验结果
研究问题
- RQ1主要欧洲股票市场之间的极端依赖如何随时间变化，特别是在金融压力时期？
- RQ2股票市场收益左尾部的依赖结构在多大程度上表现出非平稳性？
- RQ3非参数回归模型能否在不假设固定参数形式的前提下有效捕捉随时间变化的尾部依赖？
- RQ4与Poon等人（2004）等先前基于汇总的方法相比，该方法在捕捉时间动态方面表现如何？
- RQ5协变量依赖的依赖结构对一体化金融市场的系统性风险评估有何影响？
主要发现
- 研究发现，过去三十年间，CAC、DAX和FTSE指数的左尾部极端依赖持续上升，尤其在2000年代表现显著。
- CAC–DAX的估计极值系数从1990年代的约0.52上升至2010年代的0.60以上，表明尾部依赖更强。
- 功能箱线图显示极值系数呈持续上升趋势，95%置信带表明该增长具有统计显著性。
- 结果与Poon等人（2004）的发现基本一致，后者报告1990–2001年间CAC–DAX的系数为0.517，但本模型提供了连续、时间分辨的估计。
- 模型在样本期初期检测到潜在渐近独立性的迹象，表明依赖结构随时间发生了转变。
- 该方法在角度密度估计的边界效应方面表现出稳健性，对派生风险度量（如极值系数）的影响极小。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。