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。