Многомерные когерентные меры риска и их свойства

Обложка

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Когерентные меры риска широко используются на практике для расчета риска. Многомерные когерентные меры риска важны для компаний и банков, которые работают на разных международных рынках. В этой работе мы предлагаем пример, который наглядно показывает, что многомерные когерентные меры позволяют значительно уменьшить размер резервируемого компанией или банком капитала при работе на мультивалютных рынках. В этой статье мы рассматриваем два различных подхода к определению многомерных когерентных мер риска. Первый подход основан на использовании множества обменных курсов в виде случайного конуса. Второй подход использует случайные множества, не ограниченные конусами, чтобы учесть ограничения ликвидности и другие особенности финансового рынка. Кроме того, рассматривается конструктивный подход к построению многомерных когерентных мер риска на основе одномерных когерентных мер риска. Мы приводим пример конкретной многомерной когерентной меры риска, которая не может быть представлена в рамках такого конструктивного подхода. В работе рассматриваются такие важные свойства мер риска, как инвариантность по распределению и согласованность с пространством. Кроме того рассмотрен подход к обобщению хвостового VaR на многомерный случай, а также показано, что он удовлетворяет свойствам инвариантности по распределению и согласованности с пространством. В работе приведен пример, демонстрирующий, что оценка риска многомерного портфеля с использованием данной меры риска дает адекватный результат. Классификация JEL: C39, D81. УДК: 519.25. Для цитирования: Kulikov A. V., Volkov N. V. (2025). Multidimensional coherent risk measures and their properties // Экономика и математические методы. Т. 61. № 3. С. 116–125 (на англ. языке).

Об авторах

А. В. Куликов

Московский физико-­технический институт

Автор, ответственный за переписку.
Email: avkulikov15@gmail.com
Долгопрудный, Россия

Н. В. Волков

Московский физико-­технический институт

Email: nikita.v.volkov@phystech.edu
Долгопрудный, Россия

Список литературы

  1. Acerbi C. (2002). Spectral measures of risk: A coherent representation of subjective risk aversion. Journal of Banking and Finance, 26 (7), 1505–1518.
  2. Acerbi C., Tasche D. (2002). On the coherence of expected shortfall. Journal of Banking and Finance, 26 (7), 1487–1503.
  3. Artzner P., Delbaen F., Eber J.-M., Heath D. (1997). Thinking coherently. Risk, 10 (11), 68–71.
  4. Artzner P., Delbaen F., Eber J.-M., Heath D. (1999). Coherent measures of risk. Mathematical Finance, 9 (3), 203–228.
  5. Burgert C., Rüschendorf L. (2006). Consistent risk measures for portfolio vectors. Insurance: Mathematics and Economics, 38 (2), 289–297.
  6. Сascos I., Molchanov I. (2007). Multivariate risks and depth-trimmed regions. Finance and Stochastics, 11, 373–397.
  7. Сascos I., Molchanov I. (2016). Multivariate risk measures: A constructive approach based on selections. Mathematical Finance, 26 (4), 867–900.
  8. Cherny A. S. (2006a). Equilibrium with coherent risk. Working paper. Moscow: MSU. Available at: http://mech.math.msu.su/~cherny (in English as preprint). [Черный А. С. (2006a). Равновесие на основе когерентых мер риска. Рабочие материалы. М.: МГУ. Режим доступа: https://arxiv.org/pdf/math/0605051].
  9. Cherny A. S. (2006b). Weighted VaR and its properties. Finance and Stochastics, 10 (2), 367–393.
  10. Cherny A. S. (2007). Pricing with coherent risk. Theory of Probability and its Applications, 52 (3), 506–540. DOI: https://doi.org/10.1137/S0040585X97983158 (in English). [Черный А. С. (2007). Нахождение справедливой цены на основе когерент ных мер риска // Теория вероятностей и ее применения. Т. 52. № 3. C. 506–540 (на англ.).]
  11. Delbaen F. (2002). Coherent risk measures on general probability spaces. In: K. Sandmann, P. Schönbucher (eds.). “Advances in finance and stochastics”. Essays in honor of Dieter Sondermann. Berlin: Springer.
  12. Föllmer H., Schied A. (2002a). Convex measures of risk and trading constraints. Finance and Stochastics, 6 (4), 429–447.
  13. Föllmer H., Schied A. (2002b). Robust preferences and convex measures of risk. In: K. Sandmann P. Schönbucher (eds.). “Advances in finance and stochastics”. Essays in honor of Dieter Sondermann. Berlin: Springer.
  14. Hamel A. H., Heyde F. (2010). Duality for set-valued measures of risk. SIAM J. Financial Mathematics, 1, 66–95.
  15. Hamel A. H., Heyde F., Rudloff B. (2011). Set-valued risk measures for conical market models. Math. Financial Economics, 5, 1–28.
  16. Jouini E., Meddeb M., Touzi N. (2004). Vector-valued coherent risk measures. Finance and Stochastics, 8, 531–552.
  17. Jouini E., Schachermayer W., Touzi N. (2006). Law invariant risk measures have the Fatou property. Advances in Mathematical Economics, 9 (1), 49–71.
  18. Kabanov Y. M., Rasonyi M., Stricker C. (2002). No-arbitrage criteria for financial markets with efficient friction. Finance and Stochastics, 6 (3), 403–411.
  19. Kabanov Y. M., Stricker C. (2001). The harrison-pliska arbitrage pricing theorem under transaction costs. Journal of Mathematical Economics, 35 (2), 185–196.
  20. Kulikov A. V. (2008a). Multidimensional coherent and convex risk measures. Theory of Probability and its Applications, 52 (4), 614–635 (in Russian). [Куликов А. В. (2008a). Многомерные когерентные и выпуклые меры риска // Теория вероятностей и ее приложения. Т. 52. № 4. C. 614–635.]
  21. Kulikov A. V. (2008b). Multidimensional coherent risk measures and their application to the solution of financial mathematics tasks. Ph.d. thesis. Moscow: Moscow State University (in Russian). [Куликов А. В. (2008b). Многомерные когерентные меры риска и их применение к решению задач финансовой математики. Дис. канд. физ.-мат. наук. М.: МГУ.]
  22. Kunze M. (2003). Verteiligungsinvariante konvexe Risikomabe. Diplomarbeit. Berlin: Humbolt Universitat.
  23. Kusuoka S. (2001). On law invariant coherent risk measures. Advances in Mathematical Economics, 3, 83–95.
  24. Schachermayer W. (2004). The fundamental theorem of asset pricing under proportional transaction costs in finite discrete time. Mathematical Finance, 14 (1), 19–48.

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».