Pair-copulas are an important tool for modelling multivariate dependence. One can represent a multivariate distribution function as a product of conditional and unconditional pair-copulas and the corresponding marginal distribution functions using Pair-Copula Constructions (PCC). This Bachelor thesis presents the recent theoretical results in modelling with (conditional) pair-copulas as well as an application of PCC to a portfolio of four major German car manufacturer stocks. The comparison of the observed with the predicted values demonstrates a good fit of the model and allows to estimate the Value at Risk of the portfolio. PCCs are graphically represented by vines, facilitating a simple and efficient decomposition.      «

Pair-copulas are an important tool for modelling multivariate dependence. One can represent a multivariate distribution function as a product of conditional and unconditional pair-copulas and the corresponding marginal distribution functions using Pair-Copula Constructions (PCC). This Bachelor thesis presents the recent theoretical results in modelling with (conditional) pair-copulas as well as an application of PCC to a portfolio of four major German car manufacturer stocks. The comparison of t...     »

Paar-Copulas sind ein wichtiges Mittel zur Modellierung der Abhängigkeitsstruktur von Verteilungsfunktionen. Mithilfe von Paar-Copula Konstruktionen (PCC) kann man multivariate Verteilungsfunktionen als Produkt von bedingten und nicht-bedingten Paar-Copulas sowie den zugehörigen Randdichten darstellen. In dieser Arbeit werden nicht nur die neuesten theoretischen Ergebnisse in Bezug auf das Modellieren mit (bedingten) Paar-Copulas sondern auch eine Anwendung von PCC auf Aktien von vier großen deutschen Autoherstellern dargestellt. Der Vergleich mit den tatsächlichen Werten zeigt eine angemessene Genauigkeit des Modells und eine Berechnung des Value at Risk des Portfolios. Desweitern werden verschiedene Arten von Vines, graphischen Darstellungen der PCCs, die eine einfache und effiziente Aufspaltung in Paar-Copulas ermöglichen, vorgestellt.      «

Paar-Copulas sind ein wichtiges Mittel zur Modellierung der Abhängigkeitsstruktur von Verteilungsfunktionen. Mithilfe von Paar-Copula Konstruktionen (PCC) kann man multivariate Verteilungsfunktionen als Produkt von bedingten und nicht-bedingten Paar-Copulas sowie den zugehörigen Randdichten darstellen. In dieser Arbeit werden nicht nur die neuesten theoretischen Ergebnisse in Bezug auf das Modellieren mit (bedingten) Paar-Copulas sondern auch eine Anwendung von PCC auf Aktien von vier großen deu...     »