The Worst Case GARCH-Copula CVaR Approach for Portfolio Optimisation: Evidence from Financial Markets
Notice bibliographique
Résumé
Portfolio optimisation aims to efficiently find optimal proportions of portfolio assets, given certain constraints, and has been well-studied. While portfolio optimisation ascertains asset combinations most suited to investor requirements, numerous real-world problems impact its simplicity, e.g., investor preferences. Trading restrictions are also commonly faced and must be met. However, in adding constraints to Markowitz’s basic mean-variance model, problem complexity increases, causing difficulties for exact optimisation approaches to find large problem solutions inside reasonable timeframes. This paper addresses portfolio optimisation complexities by applying the Worst Case GARCH-Copula Conditional Value at Risk (CVaR) approach. In particular, the GARCH-copula methodology is used to model the portfolio dependence structure, and the Worst Case CVaR (WCVaR) is considered as an alternative risk measure that is able to provide a more accurate evaluation of financial risk compared to traditional approaches. Copulas model the marginal of each asset separately (which may be any distribution) and also the interdependencies between assets This allows an accurate risk to investment assessment to be applied in order to compare it with traditional methods. In this paper, we present two case studies to evaluate the performance of the WCVaR and compare it against the VaR measure. The first case study focuses on the time series of the closing prices of six major market indexes, while the second case study considers a large dataset of share prices of the Gulf Cooperation Council’s (GCC) oil-based companies. Results show that the values of WCVaR are always higher than those of VaR, demonstrating that the WCVaR approach provides a more accurate assessment of financial risk.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».