• The Korean Journal of Applied Statistics
• /
• v.34 no.6
• /
• pp.875-887
• /
• 2021

Value at Risk (VaR) is the most popular measure for market risk. In this paper, we consider the VaR estimation of portfolio consisting of a variety of assets based on multivariate copula model known as vine copula. In particular, sparse vine copula which penalizes too many parameters is considered. We show in the simulation study that sparsity indeed improves out-of-sample forecasting of VaR. Empirical analysis on 60 KOSPI stocks during the last 5 years also demonstrates that sparse vine copula outperforms regular copula model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.272-272
• /
• 2022

지진해일에 대한 분석은 주로 물리적인 계산에 의하여 이루어지고 있으나, 다수의 매개변수가 복잡하게 얽혀있어 계산이 오래 걸리고 해당 지진해일에 대한 분석은 지진해일이 발생한 후에 단층을 조사하여 매개변수를 산정하므로 준실시간에 해당하는 예측이 어렵다. 또한, 지진해일을 예측하는 모형을 구축하기 위해서는 충분한 지진해일에 대한 자료가 필수적이나, 국내의 지진해일은 지난 100년간 4건의 지진해일이 발생하여 자료 역시 불충분하다. 그러나, 일반적으로 지진해일은 주기적이지 않고 빈도가 많지 않으나, 지진해일로 인한 피해는 주요한 사회 기반 시설 및 막대한 인명피해를 야기하므로 지진해일 피해를 저감하기 위한 방안이 필요하다. 확률론적 지진해일 재해도 평가(Probabilistic Tsunami Hazard Assessment; PTHA)시에 주로 지역적인 범위에서 수행되어 자료의 특성을 고려하여 수행해야하나, 현재 지진해일고에 대한 분포를 대수정규분포로 하여 지역적인 특성이 고려되지 않고 있다. 따라서, 본 연구에서는 국내의 지역적 특성을 고려하기 위하여 단층매개변수와 지진해일고와의 Vine Copula 기법을 활용하여 관계성을 파악하고 국내에서 발생가능한 지진해일에 대한 위험도 평가를 수행하였다. 본 연구에서 선정된 지진해일고 클러스터링 결과를 활용하여 향후 지진해일에 대한 방재대책 시에 기초자료로 활용할 수 있을 것으로 예상된다.

• Communications for Statistical Applications and Methods
• /
• v.28 no.1
• /
• pp.59-79
• /
• 2021

Value at Risk (VaR) is one of the most common risk management tools in finance. Since a portfolio of several assets, rather than one asset portfolio, is advantageous in the risk diversification for investment, VaR for a portfolio of two or more assets is often used. In such cases, multivariate distributions of asset returns are considered to calculate VaR of the corresponding portfolio. Copulas are one way of generating a multivariate distribution by identifying the dependence structure of asset returns while allowing many different marginal distributions. However, they are used mainly for bivariate distributions and are not widely used in modeling joint distributions for many variables in finance. In this study, we would like to examine the performance of various copulas for high dimensional data and several different dependence structures. This paper compares copulas such as elliptical, vine, and hierarchical copulas in computing the VaR of portfolios to find appropriate copula functions in various dependence structures among asset return distributions. In the simulation studies under various dependence structures and real data analysis, the hierarchical Clayton copula shows the best performance in the VaR calculation using four assets. For marginal distributions of single asset returns, normal inverse Gaussian distribution was used to model asset return distributions, which are generally high-peaked and heavy-tailed.