Копула-функции в актуарной математике: моделирование зависимостей между многомерными рисками

Фундаментальным камнем копула-моделирования является Теорема Склара (Sklar's Theorem), доказанная в 1959 году. Эта гениальная теорема гласит, что абсолютно любое многомерное распределение вероятностей (описывающее совместное поведение нескольких случайных величин) можно математически расщепить на две независимые части. Первая часть — это маргинальные распределения (отдельные законы распределения каждого риска по отдельности, будь то нормальное, Вейбулла или Парето). Вторая часть — это сама копула-функция, которая действует как алгебраический клей, связывая эти маргинальные распределения воедино. Копула "впитывает" в себя всю информацию о структуре зависимости между переменными, полностью абстрагируясь от того, какие у них средние значения или дисперсии.

Красота теоремы Склара заключается в свободе конструирования моделей. До появления копул актуарии были вынуждены использовать многомерное нормальное распределение (которое требует, чтобы и все маргинальные риски были строго нормальными). С помощью копул мы можем взять убыток от пожаров (распределение Парето с тяжелым хвостом) и риск падения облигаций (распределение Стьюдента) и связать их вместе любой копулой на выбор. Самыми популярными в финансовой математике являются Архимедовы копулы (Archimedean Copulas), такие как копула Клейтона и копула Гумбеля. В отличие от симметричной Гауссовской копулы, они обладают свойством асимметричной хвостовой зависимости (Tail Dependence).

Хвостовая зависимость — это вероятность того, что если один риск примет экстремально негативное значение, то и другой риск одновременно улетит в катастрофическую зону. Копула Гумбеля обладает сильной правой хвостовой зависимостью: она идеально моделирует ситуации, когда экстремально крупные убытки происходят синхронно (например, кумуляция убытков по страхованию имущества и прерыванию бизнеса во время урагана). Копула Клейтона, напротив, отражает левую хвостовую зависимость, что делает ее незаменимой в моделировании кредитных рисков: дефолты корпораций случаются синхронно именно в периоды глубоких рецессий (когда стоимость активов минимальна). Использование классической Гауссовской копулы для оценки ипотечных деривативов CDO (которая не имеет хвостовой зависимости и недооценивала риск синхронного дефолта) было признано математиками одной из главных причин краха Уолл-стрит в 2008 году.

В современной актуарной практике копулы являются ядром системы Enterprise Risk Management (ERM) и стандартов агрегации капитала. Страховая компания обладает множеством департаментов: страхование жизни, автострахование, инвестиции. Каждый департамент рассчитывает свой собственный требуемый капитал (Value-at-Risk). Если сложить их арифметически, компания будет перекапитализирована (заморозит излишние средства), так как все риски не реализуются в одну секунду (эффект диверсификации). Для вычисления справедливого общего капитала актуарии моделируют миллионы сценариев с помощью многомерных копул, агрегируя маргинальные риски в единое общекорпоративное распределение убытков. Этот копула-подход одобрен европейским регулятором (EIOPA) для внутренних моделей Solvency II, доказывая, что выживание в финансовом шторме зависит не от изолированных рисков, а от сложной алгебраической структуры их синхронизации.