О методах количественного анализа финансовых показателей компании в условиях высокой рискованности инвестиций
Щетинин Е.Ю.

Аннотация

В статье исследованы методы количественного анализа скрытых статистических связей финансовых показателей компаний в условиях высокой рискованности инвестирования. Предложен новый полупараметрический метод оценивания показателей хвостовой зависимости с использованием моделей BB1 и BB7. Представленный метод позволит финансовым компаниям адекватно оценивать инвестиционные риски в условиях наступления экстремальных событий.

Содержание

1
Введение

2
Методы количественного анализа показателей структур статистических зависимостей
Непараметрические методы оценивания

4
Параметрические методы оценивания
Рис. 1. Оценка показателей хвостовых коэффициентов совместного распределения логарифмических приращений стоимости акций компаний «Роснефть» и «Лента» в зависимости от параметра k

6
Параметрический подход для эллиптических распределений
Рис. 2. Плотность копулы BB7, параметризованной коэффициентами хвостовой зависимости

7
Оценивание показателей хвостовой зависимости методами теории экстремальных величин
Таблица 1. Логарифмические приращения стоимости акций российских компаний: параметры совместного
Таблица 2. Логарифмические приращения стоимости акций российских компаний: матрица хвостовой зависимости

10
Рис. 3. Оценка показателей хвостовых коэффициентов, полученных методом блок-минимумов и блок-максимумов в зависимости от параметра k

11
Рис. 4. Оценка показателей хвостовых коэффициентов в зависимости от порогового параметра t
Заключение
Литература

Ключевые слова: финансовые показатели, глубокие статистические связи, структуры зависимости, хвостовой коэффициент, копула
Журнал: «Управление финансовыми рисками» — №2, 2020 (© Издательский дом Гребенников)
Объем в страницах: 12.
Кол-во знаков: около 21,052.

DOI

10.36627/2221-7541-2020-2-2-108-119 — https://doi.org/10.36627/2221-7541-2020-2-2-108-119

1. Акимов В.А., Быков А.А., Щетинин Е.Ю. Введение в статистику экстремальных значений и ее приложения. — М.: ФГУ ВНИИ ГОЧС (ФЦ), 2009. — 524 с.

2. Финам. —Подробнее .

3. Щетинин Е.Ю. Моделирование структур D-ветвлений на российском фондовом рынке // Вестник компьютерных и информационных технологий. — 2019. — №8(182). — С. 38–45.

4. Щетинин Е.Ю. О новых подходах к управлению компанией в чрезвычайных ситуациях // Финансовый кредит. — 2005. — №30(198). — С. 71–75.

5. Щетинин Е.Ю., Назаренко К.М., Парамонов А.В. Инструментальные методы стохастического анализа экстремальных событий // Вестник ННГУ. Математическое моделирование и оптимальное управление. — 2004. — №2(29). — С. 56–63.

6. Frahm G., Junker M., Szimayer A. (2003). «Elliptical copulas: applicability and limitations». Statistics and Probability Letters, Vol. 63(3), pp. 275–286.

7. Genest C., Ghoudi K., Rivest L.-P. (1995). «A semiparametric estimation procedure of dependence parameters in multivariate families of distributions». Biometrika, Vol. 82(3), pp. 543–552.

8. Joe H. (1997). Multivariate Models and Dependence Concepts. London: Chapman and Hall.

9. Resnick S. (1987). Extreme Values, Regular Variation and Point Processes. Berlin: Springer.

10. Schmidt R. (2003). «Tail dependence». In: Hardle W., Cizek P., Weron R. (Eds.). Statistical Tools in Finance and Insurance. Berlin, Heidelberg: Springer Verlag.

11. Schmidt R., Stadtmuller U. (2006). «Nonparametric estimation of tail dependence». Scandinavian Journal of Statistics, Vol. 33, pp. 307–335.

12. Shchetinin E.Y. (2019). «Vine copulas structures modeling on Russian stock market». Discrete and Continuous Models and Applied Computational Science, Vol. 27(4), pp. 343–354.

Щетинин Евгений Юрьевич
д. ф.-м. н.
профессор

Профессор департамента анализа данных, принятия решений и финансовых технологий Финансового университета при Правительстве Российской Федерации.

г. Москва

Другие статьи автора 2