On a multivariate extension for Copula-based Conditional Value at Risk

Riepilogo Tecnico: Estensione Multivariata per il Valore a Rischio Condizionato basato su Copula

Enunciato del Problema
Il lavoro affronta le limitazioni delle misure di rischio classiche, in particolare il Valore a Rischio (VaR) e il Valore a Rischio Condizionato (CVaR), in contesti multivariati. Sebbene il VaR sia ampiamente utilizzato, manca di sub-additività e non riesce a catturare adeguatamente il rischio di coda. Il CVaR (o Expected Shortfall) migliora questa situazione misurando la perdita attesa oltre la soglia del VaR, ma è tradizionalmente definito per portafogli univariati. Le esistenti estensioni multivariate, come il CVaR Multivariato (MCVaR), spesso risultano in misure vettoriali o si basano su insiemi di livello complessi difficili da aggregare. Inoltre, sebbene il CVaR basato su Copula (CCVaR) offra un modo flessibile per modellare la dipendenza, ricerche precedenti (ad esempio, Krzemienowski e Szymczyk, 2016; Molina Barreto e Ishimura, 2023) sono state in gran parte limitate a casi bivariati o hanno mancato espressioni in forma chiusa per dimensioni superiori. Il divario specifico identificato è l'assenza di un'espressione generalizzata, quasi in forma chiusa, per il CCVaR in dimensioni $d \ge 2$ sotto copule Archimedee, comunemente utilizzate in finanza per la loro trattabilità.

Metodologia
Gli autori propongono un'estensione multivariata del CCVaR definita come la perdita ponderata attesa di un portafoglio dato che la distribuzione congiunta cade in un "insieme sfavorevole" definito dalla copula.

1. Quadro Teorico:
   • Lo studio utilizza il Teorema di Sklar per separare le distribuzioni marginali dalla struttura di dipendenza (copula).
   • Si concentra sulle copule Archimedee, generate da una singola funzione generatrice $\varphi$. Queste copule sono simmetriche (scambiabili), un'ipotesi semplificativa ritenuta accettabile per portafogli di asset appartenenti a settori industriali simili.
   • Il CCVaR è definito come l'aspettativa condizionata della perdita del portafoglio $\lambda^T X$ dato che il valore della copula $C(U_1, \dots, U_d) \ge \beta$, dove $\beta$ è il livello di confidenza.
2. Derivazione:
   • Il contributo metodologico centrale è la derivazione di un'espressione quasi in forma chiusa per il CCVaR sotto copule Archimedee.
   • Questa derivazione si basa sulla funzione di distribuzione di Kendall e sulla sua densità, sfruttando le proprietà della funzione generatrice $\varphi$ e della sua inversa $\varphi^{-1}$.
   • Gli autori esprimono la misura di rischio come un integrale che coinvolge le derivate della generatrice inversa (fino all'ordine $d-1$) e funzioni ausiliarie $f_i(t)$, definite ricorsivamente sulla base della generatrice.
   • La formula consente il calcolo del CCVaR senza ricorrere a metodi puramente basati sulla simulazione, a condizione che le derivate della generatrice inversa siano note (disponibili per famiglie comuni come Clayton, Gumbel, Frank, Joe e Ali-Mikhail-Haq).

Contributi Chiave

1. Generalizzazione alle Dimensioni Multivariate: Il lavoro estende la definizione del CCVaR dal caso bivariato a dimensioni arbitrarie $d \ge 2$ sotto copule Archimedee.
2. Espressione Quasi in Forma Chiusa: Gli autori derivano una specifica formula integrale (Teorema 3) che esprime il CCVaR in termini della funzione generatrice, delle sue derivate e della distribuzione di Kendall. Ciò facilita l'analisi teorica e l'implementazione numerica.
3. Coerenza e Proprietà: Il lavoro esamina le proprietà di coerenza della misura proposta. Stabilisce che il CCVaR soddisfa l'omogeneità positiva, l'invarianza per traslazione e la monotonia. La sub-additività è dimostrata valere in condizioni specifiche (ad esempio, indipendenza), sebbene il lavoro noti che la sub-additività non è garantita in tutti i casi multivariati generali, in linea con la letteratura esistente sull'MCVaR.
4. Analisi Comportamentale: Lo studio analizza come il CCVaR si comporta rispetto al livello di confidenza $\beta$ e al parametro di dipendenza $\theta$. Dimostra che il CCVaR è non decrescente in $\beta$ e indaga la sua monotonia rispetto a $\theta$ per specifiche famiglie di copule (ad esempio, decrescente per Clayton e Frank in determinate condizioni).

Risultati
Il lavoro presenta esperimenti numerici utilizzando dati reali di sette azioni del settore macchinari quotate sull'indice Nikkei 225.

1. Dati e Modellazione: I rendimenti logaritmici negativi giornalieri sono stati modellati utilizzando processi AR(1)-GARCH(1,1) con distribuzioni Normale Standard, Student-t e Skewed-t. Le copule Archimedee (Clayton, Frank, Gumbel, Joe, AMH) sono state adattate utilizzando il metodo delle Funzioni di Inferenza per le Marginali (IFM).
2. Prestazioni Comparative:
   • Conservatorismo: I risultati numerici mostrano coerentemente che il CCVaR produce valori più elevati rispetto sia al VaR classico che al CVaR in tutte le copule testate e ai livelli di confidenza ($\beta = 0.95, 0.99$). Gli autori interpretano questo fatto come il CCVaR che è una misura di rischio più conservativa perché condiziona su tutti gli eventi congiunti sfavorevoli (l'intero insieme $\mathcal{U}_\beta$) piuttosto che solo sulla somma ponderata che supera una soglia.
   • Sensibilità alla Scelta della Copula: A differenza di VaR e CVaR, che mostrano una variazione significativa a seconda della famiglia di copula scelta (ad esempio, Gumbel e Joe producono valori più elevati), i valori del CCVaR mostrano poca variabilità tra diverse specifiche di copula.
   • Sensibilità alla Coda: Lo studio conferma che le distribuzioni marginali a coda pesante (Student-t, Skewed-t) risultano in stime di rischio più elevate rispetto alle distribuzioni Normali.
   • Evoluzione Temporale: L'analisi con finestre mobili dimostra che il CCVaR reagisce ai periodi di alta volatilità e mantiene la sua posizione come misura più conservativa rispetto a VaR e CVaR nel tempo.

Significato e Affermazioni
Il lavoro afferma che il CCVaR multivariato proposto offre un'alternativa robusta per la gestione del rischio di portafoglio, in particolare quando si tratta di asset che condividono strutture di dipendenza simili (scambiabilità).

• Valore Teorico: La derivazione dell'espressione quasi in forma chiusa colma un divario nella letteratura, consentendo lo studio analitico delle misure di rischio in dimensioni superiori senza fare affidamento esclusivamente su simulazioni Monte Carlo computazionalmente intensive.
• Implicazione Pratica: I risultati suggeriscono che condizionare sull'occorrenza congiunta di eventi sfavorevoli (come fa il CCVaR) fornisce un cuscinetto più conservativo e potenzialmente più sicuro contro perdite estreme rispetto al condizionare sul superamento di una soglia della perdita aggregata del portafoglio.
• Limitazioni e Lavori Futuri: Gli autori riconoscono modestamente che l'ipotesi di scambiabilità delle copule Archimedee limita l'applicabilità del modello a portafogli altamente diversificati con dipendenze eterogenee. Notano che il comportamento del CCVaR riguardo al parametro di dipendenza $\theta$ in dimensioni superiori a due richiede un'ulteriore caratterizzazione formale, poiché l'evidenza numerica suggerisce la monotonia ma una prova rigorosa è sfuggente. È proposto un futuro lavoro di ricerca per esplorare copule Archimedee gerarchiche e copule vine per catturare strutture di dipendenza più complesse.