×
Daneshkhah，A。;G.帕勒姆。;俄亥俄州查塔拉布贡。;M.约卡尔。

使用正交多项式和勒让德多小波基函数用对copula逼近多元分布。 （英语） Zbl 1337.62116号

Commun公司。统计、仿真计算。 45，第2期，389-419（2016）.
小结：我们专注于使用快速增长的图形模型（称为藤蔓/对copula模型）构建高维分布，该模型由Joe、Cooke、Bedford、Kurowica、Daneshkhah和其他人介绍和开发。他们首先通过将（n（n-1）/2\）双变量copula密度叠加在一起来构造\（n\）维copula密度，然后使用半参数方法任意地逼近这些双变量copula和相应的多变量分布。一种建设性的方法是使用最小信息连接函数，该连接函数可以根据可用数据（或可能根据专家的判断）指定到任何要求的精度。通过使用这种方法，人们可以使用固定的有限维连系函数族来进行蔓生结构，并保证统一的近似水平。
这种方法背后的基本思想是使用二维普通多项式序列，通过在适当的点截断序列来近似二元copula函数的任何对数密度。我们使用正交多项式和勒让德多小波（LMW）级数作为基函数，使这种近似方法更精确，计算速度更快。我们表明，与文献中提出的方法相比，导出的近似方法更精确，计算速度更快，性能更好。然后，我们将我们的方法应用于对挪威金融数据集进行建模，该数据集之前在系列文章中进行了分析，最后通过这些数据比较我们的结果。最后，我们提出了一种从近似模型进行模拟的方法，并使用模拟结果验证了我们的近似，以恢复原始数据的相同依赖结构。

引用于4文件

MSC公司：

62小时05 多元概率分布的表征与结构理论；连接线
62E17型 统计分布的近似值（非共鸣）
62G05型 非参数估计
62G07年 密度估算
42立方厘米 涉及小波和其他特殊系统的非三角调和分析

关键词：

密度近似;勒让德多小波;最小信息技术;正交多项式级数;对copula构造;藤
PDF格式BibTeX公司 XML格式引用
\textit{A.Daneshkhah}等人，Commun。统计、仿真计算。45，第2号，389--419（2016；Zbl 1337.62116）
全文： 内政部 arXiv公司

参考文献：

[1] DOI:10.1016/j.insmateco.2007.02.001·Zbl 1165.60009号 ·doi:10.1016/j.insmateco.2007.02.001
[2] DOI:10.1006/jcph.2002.7160·Zbl 1015.65046号 ·doi:10.1006/jcph.2002.7160
[3] Bedford T.，应用概率信托（2006）
[4] DOI:10.1023/A:1016725902970·Zbl 1314.62040号 ·doi:10.1023/A:1016725902970
[5] DOI:10.1214/aos/1031689016·Zbl 1101.62339号 ·doi:10.1214/aos/1031689016
[6] DOI:10.1023/A:1016725902970·Zbl 1314.62040号 ·doi:10.1023/A:1016725902970
[7] Bedford T.，《风险分析》（2013）
[8] 内政部：10.1080/00949659708811806·Zbl 0873.62006号 ·doi:10.1080/0949659708811806
[9] Bedford T.，可靠性工程与系统安全（2013）
[10] 内政部：10.1016/0304-4076（86）90063-1·Zbl 0616.62119号 ·doi:10.1016/0304-4076（86）90063-1
[11] DOI:10.1006/jfan.1994.1089·Zbl 0815.15021号 ·doi:10.1006/jfan.1994.1089
[12] Embrachts P.，《金融业重尾分配手册》，第31页，第307页–（2003年）
[13] 内政部：10.2307/1912773·Zbl 0491.62099号 ·doi:10.307/1912773
[14] Gui，W.（2009）。Copula密度的自适应序列估计。佛罗里达州立大学艺术与科学学院博士论文。
[15] 内政部：10.1201/b3150·doi:10.1201/b13150
[16] 内政部：10.1002/0470863072·Zbl 1096.62073号 ·doi:10.1002/0470863072
[17] Kurowicka D.，《依赖建模：藤蔓Copula手册》（2011）
[18] 内政部：10.1137/S1052623496303470·Zbl 1005.90056号 ·doi:10.1137/S1052623496303470
[19] Lewandowski，D.（2008）。高维相关性：Copula，灵敏度，采样。代尔夫特大学博士论文。
[20] DOI:10.1093/biomet/65.2.297·Zbl 0386.62079号 ·doi:10.1093/biomet/65.2.297
[21] Locke B.，《计算统计与数据分析》（2012年）
[22] DOI:10.1016/j.cpc.2005.01.016·Zbl 1196.65203号 ·doi:10.1016/j.cpc.2005.01.016
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。