Kopula (matematyka)

Kopula[1][2] (rzadziej kopuła[3], ang. copula) – wykorzystywana w teorii prawdopodobieństwa i statystyce funkcja służąca do opisu i modelowania wielowymiarowej współzależności (korelacji) między zmiennymi losowymi. Formalnie kopula to wielowymiarowa dystrybuanta łącznego rozkładu prawdopodobieństwa, którego wszystkie rozkłady brzegowejednostajne w przedziale [0, 1].

Kluczową ideą kopuli jest oddzielenie zależności między zmiennymi losowymi od ich indywidualnych rozkładów, co umożliwia elastyczne modelowanie współzależności. Zgodnie z twierdzeniem Sklara dowolny wielowymiarowy rozkład łączny można zapisać przy użyciu jednowymiarowych rozkładów brzegowych i kopuli opisującej strukturę zależności między jednowymiarowymi zmiennymi.

Kopule są szeroko stosowane w matematyce finansowej do modelowania i minimalizacji ryzyka skrajnego[4] oraz optymalizacji portfeli[5].

Kopula dwuwymiarowa

W szczególności dwuwymiarową kopulą nazywamy funkcję spełniającą następujące warunki:

  1. dla wszystkich

dla wszystkich takich że i

Twierdzenie Sklara

Niech będzie dwuwymiarową funkcją dystrybuanty z dystrybuantami brzegowymi i Wtedy istnieje kopula C spełniająca warunek:

Ponadto jeżeli F i G są ciągłe, wówczas C jest jednoznaczna.

Przypisy

  1. Artur Hołda, Gabriela Malik, Modelowanie zależności cen kontraktów terminowych na produkty rolne notowanych na giełdzie towarowej w Chicago z wykorzystaniem funkcji kopuli, „Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach” (nr 135 Analiza i wspomaganie decyzji), 2013, s. 64–78, ISSN 2083-8611 [dostęp 2024-12-28] (pol.).
  2. Andrzej Stryjek, Użyteczność kopuli w finansach i ubezpieczeniach, „Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu” (nr 20 Metody ilościowe w ekonomii i zarządzaniu), 2011, s. 441–452, ISSN 1643-7772 [dostęp 2024-12-28] (pol.).
  3. Piotr Paweł Helbin, Implikacje rozmyte generowane z kopuł [online], 12 grudnia 2017 [dostęp 2024-12-28] (pol.).
  4. Rand Kwong Yew Low i inni, Canonical vine copulas in the context of modern portfolio management: Are they worth it?, „Journal of Banking & Finance”, 37 (8), 2013, s. 3085–3099, DOI: 10.1016/j.jbankfin.2013.02.036 [dostęp 2025-01-10] (ang.).
  5. Rand Kwong Yew Low, Robert Faff, Kjersti Aas, Enhancing mean–variance portfolio selection by modeling distributional asymmetries, „Journal of Economics and Business”, 85, 2016, s. 49–72, DOI: 10.1016/j.jeconbus.2016.01.003 [dostęp 2025-01-10] (ang.).

Linki zewnętrzne