Another key element in portfolio Va

Another key element in portfolio VaR estimation is the dependence structure between
financial assets in the portfolio. The most common measure of dependence in the Pear-
son Correlation. However, Poon et al. [16] argue that Pearson Correlation is not a good
measure of dependency in cases where the extreme realizations are important. This
has resulted in the introduction of Copula based models in the last few years. Copulas
are defined as functions that links univariate marginals to form multivariate distribu-
tions. Therefore, the key characteristic of Copula based models is the separation of the joint distribution into two components; the marginal distributions and the dependence
structure [4]. Applications of Copula based models to portfolio VaR estimation have
combined GARCH (or ARMA-GARCH-EVT) filtered marginals with various Copula
functions. Hsu et al. [14] estimates VaR using a Copula-EVT approach on Asian mar-
kets. They find that Clayton Copula-EVT have the best performance. Ghorbel and Tra-
belsi [17] proposes amethod for estimating VaR using an ARMA-GARCH-EVT Copula
approach. For a givenmultivariate financial data, they find that their approach provide
a better presentation of the dependence structure of the multivariate data and produce
accurate estimates of VaR.

Kết quả (Việt) 1:

Một yếu tố then chốt trong danh mục đầu tư VaR dự toán là cấu trúc phụ thuộc giữa cácHỏi các tài sản trong danh mục đầu tư. Hầu hết thường đo sự phụ thuộc vào Pear-con trai tương quan. Tuy nhiên, Poon et al. [16] cho rằng sự tương quan Pearson không phải là một tốtbiện pháp phụ thuộc trong trường hợp nơi realizations cực kỳ quan trọng. Điều nàyđã dẫn đến sự ra đời của desu dựa trên mô hình trong vài năm qua. Copulasnhư chức năng liên kết véc marginals để tạo thành đa biến distribu - là definedtions. Vì vậy, các đặc điểm chính của desu dựa trên mô hình là sự chia tách của sự phân bố chung thành hai thành phần; biên bản phân phối và sự phụ thuộccấu trúc [4]. Các ứng dụng của desu dựa vào danh mục đầu tư VaR dự toán có các mô hìnhkết hợp GARCH (hoặc ARMA GARCH EVT) filtered marginals với nhiều desuCác chức năng. HSU et al. [14] ước tính VaR bằng cách sử dụng một cách tiếp cận desu-EVT trên ba châu áKets. Họ nhiều Clayton desu-EVT có hiệu suất tốt nhất. Ghorbel và trà-belsi [17] đề xuất amethod cho ước tính bằng cách sử dụng một desu ARMA GARCH EVT VaRphương pháp tiếp cận. Một dữ liệu tài givenmultivariate, họ nhiều phương pháp tiếp cận của họ cung cấpmột trình bày tốt hơn phụ thuộc vào cấu trúc của dữ liệu nhiều chiều và các sản phẩmCác ước tính chính xác của VaR.

Kết quả (Việt) 2:

Một yếu tố quan trọng trong danh mục đầu tư ước tính VaR là cấu trúc phụ thuộc giữa các
tài sản tài chính trong danh mục đầu tư. Biện pháp phổ biến nhất của sự phụ thuộc vào Pear-
con trai tương quan. Tuy nhiên, Poon et al. [16] cho rằng Pearson Correlation không phải là một tốt
biện pháp phụ thuộc vào trường hợp ngộ cực kỳ quan trọng. Điều này
đã dẫn đến sự ra đời của mô hình liên hiệp tiếp theo trong vài năm qua. Copulas
được định nghĩa là các chức năng liên kết marginals đơn biến để tạo phối đa biến
tions. Do đó, các đặc tính quan trọng của mô hình liên hiệp tiếp theo là việc tách các phân phối chung thành hai thành phần; sự phân bố biên và sự phụ thuộc
cấu trúc [4]. Các ứng dụng của mô hình dựa copula để ước lượng danh mục đầu tư VaR đã
kết hợp GARCH (hoặc Arma-GARCH-EVT) fi ltered marginals với copula nhiều
chức năng. Hsu et al. [14] ước tính VaR sử dụng một cách tiếp cận copula-EVT về Á thị
các thị. Họ Fi NĐ rằng Clayton copula-EVT có hiệu suất tốt nhất. Ghorbel và Tra-
belsi [17] đề xuất amethod để ước lượng VaR sử dụng một Arma-GARCH-EVT copula
cách tiếp cận. Đối với một dữ liệu tài chính givenmultivariate, họ Fi NĐ rằng cách tiếp cận của họ cung cấp cho
một bài thuyết trình tốt hơn của cấu trúc phụ thuộc của các dữ liệu đa biến và sản xuất
ước tính chính xác của VaR.