用于采样难处理因子copula模型的变换MCMC方案
在金融风险管理中,在随机向量X内建模相关性至关重要,标准方法是使用copula模型。假设copula模型可以通过实现具有copula函数C的Y进行采样:如果已知Y的边距,采样X^(i),即X的第i个分量,将直接由Y^(i)及其累积分布函数(C.d.f.)和X^的逆C.d.f组成。在这项工作中,Y的边缘并不明确,就像在因子copula模型中一样。我们设计了一个算法,通过Y边缘的c.d.f.的经验近似值对X进行采样。为了能够处理Y或稀有事件计算的复杂分布,我们允许使用马尔可夫链蒙特卡罗(MCMC)采样器。我们建立了收敛速度依赖于X,Y的尾部和MCMC采样器的Lyapunov函数的收敛结果。我们通过数值实验验证了收敛速度,并重新审视了来自金融风险管理的真实数据分析。
菲奇尔校长
收敛边缘_with_MCMC_Inverse Transform_prefernal_v5.pdf(1.97个月)
特勒充电器
原籍 |
菲奇尔斯(Fichiers)出品的par l’(les)auteur(s) |
西里尔·贝内泽特 : 连接您的联系人和贡献者
https://hal.science/hal-03334526
Soumis le:vendredi 2021-22:13:25年9月3日
Dernière修改le:jeudi 1 aoót 2024-13:48:06
长期存档:samedi 4 décembre 2021-20:09:09