Reducing model risk via positive and negative dependence assumptions

ما بر اساس معیارهای تحلیلی در مورد ارزش در معرض خطر و اندازه گیری ریسک محدب برای مجموعه ای از متغیرهای تصادفی با توزیع های حاشیه ثابت با استفاده از یک ساختار وابسته مثبت اضافی می باشیم. ما نشان می دهیم که فرض بر این است که اطلاعات وابستگی مثبت در مدل ما منجر به کاهش میزان عدم قطعیت وابستگی نسبت به مواردی می شود که تنها اطلاعات حاشیه ای شناخته شده است. به طور دقیق تر نشان می دهیم که فرضیه ساختار وابستگی مثبت در مدل ما، برآورد کمترین میزان ممکن از اندازه گیری ریسک را بهبود می بخشد، در حالی که بدون رونوشت بدترین ریسک های بالایی از ریسک آن را تغییر می دهد. به روش مشابهی، برای اندازه گیری ریسک محدب می توان نتیجه گرفت که فرض ساختار منفی وابستگی منجر به بهبود مرزهای بالاتر برای ریسک می شود، در حالی که این امر به معنی ضرورت به افزایش محدوده های خطر پایین نیست. در نتیجه ما دریافتیم که مفروضات اضافی در ساختار وابستگی ممکن است منجر به بهبود مرزهای خطر شود.