Doctor of Physical and Mathematical Sciences, lecturer of Department of Data Analysis, Decision Making and Financial Technologies
Департамент анализа данных, принятия решений и финансовых технологий
Pair-copula constructions have proven to be a useful tool in statistical modeling, particularly in the field of finance. The copula-based approach can be used to choose a model that describes the dependence structure and marginal behaviour of the data in efficient way, but is usually applied to pairs of securities. In contrast, vine copulas provide greater flexibility and permit the modeling of complex dependency patterns using the rich variety of bivariate copulas which may be arranged and analysed in a tree structure. However, the number of possible configurations of a vine copula grows exponentially as the number of variables increases, making model selection a major challenge in development. So, to learn the best possible model, one has to identify the best possible structure, which necessitates identifying the connections between the variables and selecting between the multiple bivariate copulas for each pair in the structure. This paper features the use of regular vine copulas in analysis of the co-dependencies of four major Russian Stock Market securities such as Gazprom, Sberbank, Rosneft and FGC UES, represented by the RTS index. For these stocks the D-vine structures of bivariate copulas were constructed, which models are described by Gumbel, Student, BB1and BB7 copulas, and estimates of their parameters were obtained. Computer simulations showed a high accuracy of the approximation of the explored data by D-vine structure of bivariate copulas and the effectiveness of our approach in general.
Модели копул являются эффективным инструментом в статистическом моделировании, в частности в области финансового анализа. Подход к моделированию многомерных структур с их использованием позволяет описать как структуру статистической зависимости, так и маржинальные свойства данных, но обычно применяется к парам ценных бумаг. Наряду с этим, модели вьющихся копул обеспечивают большую гибкость и позволяют моделировать сложные структуры зависимостей, используя большое разнообразие двумерных копул, которые могут быть организованы в древовидную структуру. Однако число возможных конфигураций вьющихся копул растёт экспоненциально по мере увеличения числа ценных бумаг, что делает выбор модели основной научной проблемой. Таким образом, чтобы построить модель многомерных структур ценных бумаг, нужно определить наилучшую возможную структуру, которая требует выявления связей между её переменными, а также выбора между несколькими двумерными копулами для каждой пары в структуре. В данной работе продемонстрировано применение регулярных вьющихся копул в финансовом анализе статистических связей крупнейших российских ценных бумаг, таких как Газпром, Сбербанк, Роснефть и ФСК ЕЭС, представленных в индексе РТС. Для этих ценных бумаг были построены D-vine структуры попарных копул, включающих модели Гумбеля, Стьюдента, ВB1 и BB7, а также получены оценки их параметров. Компьютерное моделирование показало высокую точность аппроксимации исследуемых данных и эффективность предложенного подхода в целом.