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