多元时间序列的平稳藤蔓copula模型

@文章{Nagler2020StationaryVC,title={多元时间序列的静态藤系模型},author={托马斯·纳格勒(Thomas Nagler)、丹尼尔·克鲁格(Daniel Kruger)和阿列克西·敏(Aleksey Min)},journal={计量经济学杂志},年份={2020年},url={https://api.semanticscholar.org/CorpusID:22112123}}

本文图表

藤蔓copula Granger分位数因果关系

时间序列之间的因果关系通常通过格兰杰因果关系检验进行检验。尽管许多研究已经测试了格兰杰平均因果关系,但平均非因果关系并没有

非线性依赖与Granger因果关系:一种藤系方法

受Jang等人(2022)的启发,我们基于最近引入的一类非线性模型,即藤蔓模型,提出了双变量$k-$Markov平稳过程的Granger因果图检验

GARCH连接词和GARCH微连接词

研究了严格平稳的一阶GARCH型过程中描述滞后变量依赖性和部分依赖性的二元连接函数。结果表明

准贝叶斯遇见藤蔓

最近提出的准贝叶斯(QB)方法通过递归直接构建贝叶斯预测分布,开创了贝叶斯计算的新时代,消除了对

基于小时洪水监测指标的Copula概率洪水风险分析

洪水是一种常见的自然灾害,其严重程度在持续时间、水资源量、洪峰和累积降雨造成的损失方面可能因不同而有显著差异

依赖下极大值的极限行为

研究了作为归一化序列子序列的归一化列下同分布连续随机变量相依序列极大值的弱收敛性

ESG领导者投资组合绩效的波动性和羊群偏好

我们在这里分析了CAPM、Fama-French三因子(FF3)和五因子模型(FF5)给出的因子载荷,并测试了添加两个额外因子(波动率)的性能和有效性

无马尔可夫约束的移动聚集修正自回归Copula时间序列模型(MAGMAR-Copulas)

基于Copula的时间序列模型隐式假设有限马尔可夫阶。实际上,时间序列可能不遵循马尔可夫特性。我们通过引入一个

错定Copula模型中的切割反馈

新方法的有效性通过使用模拟数据和宏观经济预测中的实质性多变量时间序列应用进行了验证,其中,将错误指定的边缘的反馈减少到1096维copula可以大大提高后验推断和预测准确性。

金融应用的对Copula构造:综述

在推理方法和对这些模型的良好性检验中,以及PCC在金融和经济中的实证应用进行了综述。

多元时间序列相关性的Copula模型

提出了一种计算似然的并行算法,以及一种贝叶斯方法,用于计算基于藤蔓连接词简约表示的模型平均值的推理,仿真研究表明该方法更准确。

系词与时间依赖

时间序列计量经济学的一个新兴文献涉及使用copula函数对平稳马尔可夫链中潜在的非线性时间相关性进行建模。我们获得了成功的条件

藤蔓模型条件相关随机变量的概率密度分解

导出了一个与藤蔓相关的分布密度的一般公式,该公式推广了基于将信念网分解为团的著名信念网密度公式,并允许对正则藤蔓的信息分解定理进行简单证明。

随机过程的非参数统计:估计和预测

局部时间密度估计用于连续时间的回归估计和预测,并描述了非参数方法的实现和数值应用。

平稳多元时间序列的广义Vine Copula模型

本文将这些方法推广到所谓的R(正则)-T(经验性)藤蔓模型,以表明通过在作者藤蔓结构的某些边上约束对copula模型,可以很容易地将平稳性和马尔可夫特性强加给新模型。
...