خط مشی دسترسیدرباره ما
ثبت نامثبت نام
راهنماراهنما
فارسی
ورودورود
صفحه اصلیصفحه اصلی
جستجوی مدارک
تمام متن
منابع دیجیتالی
رکورد قبلیرکورد بعدی
Record identifier : 564995
Personal Name - Primary Intelectual Responsibility : Qazvini,Marjan
Title and statement of responsibility : Goodness -of- fit tests offor copulas: Multiple case studies [Thesis]/قزوینی، مرجان;supervisor: Amir T. Payandeh Najafabadi;advisor: Reza Ofoghi
Publication, Distribution,Etc. : , 2012
Language of the Item : eng
Internal Bibliographies/Indexes Note : Bibliography
Dissertation of thesis details and type of degree : Master of Arts
Discipline of degree : , Actuarial Science
Body granting the degree : , Eco colleg of insurance, Allameh Tabatabai University
Summary or Abstract : .ارزش در معرض خطر(، ذخیره سازی با در نظر گرفتن ارتباط میان پورتفوهای بیمه ای و ... استفاده شود VaR ارائه می دهد. :با توجه به اینکه یافته ها حاکی از آن است که مدلسازی به کمک ابزار کاپولا بهبود خواهد یافت، پیشنهاد می شود در تحقیقات بعدی از این ابزار برای مدلسازی انواع ریسکها و محاسبه ARIMA پیش بینی دقیقتری نسبت به مدل Copula - ARIMAمعرفی شده، تخمین بهتری از پارامتر کاپولا ارائه می کند .در بخش کابردی، مدل GLM معرفی کند .همچنین نقش کاپولا را در بهبود مدلسازی بین متغیرهای شاخص بورس و قیمتهای جهانی نفت و طلا نشان می دهد .متن تحقیق به زبان انگلیسی است.نتایج نشان می دهند که اگر داده ها از توزیع دم سنگین پیروی کنند روش رگرسیون چندکی- کاپولا برای برآورد پارامتر کاپولا مناسب تر می باشد .همچنین اگر داده ها توزیع بیضوی داشته باشند روش GLM تحلیلگر بازار مالی و سرمایه گذاری از کاپولای نرمال برای مدلسازی ریسک اعتباری استفاده می کند .با وجود نقش کاپولا در مدلسازی، مسائلی در جهت برآورد دقیق پارامترچنین توابعی و نکویی برازش آنها وجود دارد که در این زمینه نیاز به کار بیشتری می باشد .این پایان نامه بر آن است که روشی جهت برآورد پارامتر کاپولا با رویکرد Moodys به استفاده از کاپولا برای مدلسازی همبستگی در پورتفوی بیمه ای توصیه کرده است .همچنین Solvency II در مطالعه خود در مورد (International Actuarial Association) بررسی همبستگی میان متغیرهای تصادفی و شناخت نوع این رابطه نقش مهمی در علوم مختلف دارد .کاپولا تابع مفصل ابزاری قوی برای مدلسازی ساختار همبستگی میان متغیرهای تصادفی است .نقش کاپولا برای مدلسازی چنین ساختارهایی به گونه ای است که انجمن بین المللی اکچوئری
: This thesis attempts to introduce copula as a strong tool that can consider the dependence structure between random variables. Two important issues addressed are parameter estimation and goodness-of-fit of copulas. The GLM approach is introduced as a new method for evaluation of copulas' parameters. The appropriateness of different estimation methods such as inversion of Kendall's tau, inversion of Spearman's rho, pseudo maximum likelihood estimation, copula-quantile regression with ( ) and GLM is examined through a simulation study. The GLM approach is advised when data are from elliptical distributions. Copula-quantile regression would be suggested only when the data are from extreme value distributions. Cramفr-von Mises two-sample test is used to find the well-fitted copula to 5 known distributions: normal, t, Cauchy, logistic and Hیsler-Reiss, from which the last two are extreme value distributions. The simulation study shows that as expected the data generated from bivariate normal distribution are fit to normal copula, but contrary to previous expectations the heavy-tailed data are not fit to copulas with either upper or lower tail dependency. Copula is used to build a model that investigates the relationship between Tehran Stock Exchange (TSE), oil and gold price namely, ARIMA-Clayton Copula. The results suggest that there is no significant association between TSE and gold price. With respect to properties of Clayton copula, one can conclude that dependence between significant variables i.e. TSE and oil price is stronger when economy declines..
Uncontrolled Subject Terms : ter Estimation
: Goodness-of-fit
: correlation
: کاپولا
: تخمین پارامتر
Information of biblio record : TL
 
 
 
(در صورت عدم وضوح تصویر اینجا را کلیک نمایید)