به روز شده در 2021.Jan.28- مدت زمان مورد نیاز جهت مطالعه: 2 دقیقه
مخاطب: مهندسین مالی، برنامه نویسان پایتون، تحلیلگران تکنیکال

باتوجه به اینکه رفتار داده ها در بازارهای مالی عموماً نرمال نیست لذا، هدف شناسایی تابع چگالی مناسب براساس مجموعه داده ارائه شده برای مدیریت ریسک است. برای شناسایی تابع مناسب از درخت طبقه بندی پارامتریک استفاده شده است.

مزایا استفاده از درخت طبقه بندی: vبه صرفه بودن vکمینه کردن هزینه ها (شامل تجهیزات جایگزین، نرم افزارهای نت و اندازه گیری VaR)

پیش بینی دقیق بازده دارایی توسط تابع چگالی در مدیریت ریسک بسیار مهم است.

هدف این مقاله، بررسی تأثیر استفاده از توزیع های چند متغیره متقارن تجربی در انتخاب پرتفوی و به خصوص تأثیر آنها در مدیریت ریسک است.

دیگر لازم نیست منابع و زمان را برای جستجوی یک تابع – ابزار بهتر اختصاص داد و می توان از این زمان و منابع برای فعالیت های دیگر استفاده کرد. توزیع های متقارن به صورت دایره وار بدین معنی است که می توان VaR و CVaR پارامتریک را به طور مستقیم محاسبه کرد.

براساس تحقیقاتLandsman and Nešle- hová(2008)  می توان نشان داد که پرتفوی کارا بر روی مرز کارا میانگین-واریانس مارکویتز قرار دارد. همچنین قرار دادن دایره وار این توزیع ها می تواند در قیمت گذاری دارایی ها و مدل های تجربی بازده کارآمد باشد.