Este estudio introduce un sofisticado marco GARCH-EVT-Cópula para mejorar la estimación del riesgo del portafolio para portafolios de múltiples activos. Aborda específicamente las limitaciones del modelo de media-varianza de Markowitz, que a menudo es insensible a eventos extremos del mercado. Nuestro enfoque integra un modelo de Heterocedasticidad Condicional Autorregresiva Generalizada (GARCH) para capturar la volatilidad variable en el tiempo con la Teoría de Valores Extremos (EVT) para modelar eventos en la cola. Una innovación clave es la aplicación de copulas de producto para modelar las complejas dependencias no lineales entre cuatro índices financieros diversos: el Índice de Mercado Invertible MSCI World, el Índice de Gobierno Global ICE BofAML, el Índice Global de Fondos de Cobertura HFRX y el Índice de Rendimiento de Bonos CAT Global Sin Cobertura de Swiss Re. El uso de copulas de producto es particularmente efectivo para capturar las dependencias asimétricas y las distribuciones no normales características de los datos financieros, lo que conduce a una estimación más precisa de medidas de riesgo como el Valor en Riesgo (VaR). Nuestro análisis empírico demuestra el rendimiento superior de los modelos de copula de producto en comparación con los modelos de copula tradicionales, con mejoras significativas en la precisión de la estimación del VaR en varios niveles de confianza. Este hallazgo se valida aún más por su resiliencia durante la crisis financiera de 2008 y su eficacia en un portafolio de contribución de riesgo igual. Esta investigación no solo avanza el marco teórico de la gestión del riesgo, sino que también proporciona una metodología más robusta y efectiva para los inversores que buscan desarrollar estrategias de portafolio multiactivo resilientes.
Steinborn et al. (Jue,) estudiaron esta cuestión.