×

兹马思-数学第一资源

用套索选择高维稀疏藤蔓接合部。(英语) Zbl 1430.62102
摘要:我们提出了一种新的高维稀疏藤蔓copula的结构选择方法。目前的序列贪婪结构选择方法需要计算数百维的生成树,并在整个结构选择过程中迭代地拟合对copula及其参数。我们的方法使用vine和结构方程模型之间的连接。后者可以很快估计使用套索,也在非常高的维度,以获得稀疏模型。因此,我们获得了一个结构估计独立于选择的对copula和参数。另外,我们定义了R-vine矩阵正则化路径的新概念。它将藤蔓copula模型在独立copula方面的稀疏性与结构方程模型中的惩罚系数联系起来。我们说明了我们的方法,并提供了许多数值例子。其中包括高维的模拟和数据应用,显示了我们的方法相对于其他现有方法的优越性。

理学硕士:
2005年6月6日 多元概率分布的特征和结构理论;接合部
6207年 岭回归;收缩估计(套索)
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] Aas,K.,金融应用的配对copula构造:回顾,计量经济学,4,43,(2016)
[2] 原子吸收光谱,K。;查多,C。;弗瑞吉斯,A。;Bakken,H.,《多重依赖的成对copula结构》,Insura。数学。经济学,44182-198,(2009年)·Zbl 1165.60009号
[3] 阿卡克,H。;彼得罗夫,BN(编辑);克萨基,F(ed.),信息理论和最大似然原理的扩展,267-281,(1973),布达佩斯
[4] 安德森,南非;李志明,陈志平,等.具有递归图马尔可夫结构的正态线性回归模型,J。多变量。《分析》,66133-187,(1998年)·Zbl 1127.62377
[5] 鲍尔,A。;《配对Copula贝叶斯网络》,J。计算机。图表。Stat.,251248-1271,(2016年)
[6] 贝德福德,T。;Cooke,R.,vines建模的条件相关随机变量的概率密度分解,Ann。数学。人工制品。国际期刊,32245-268,(2001年)·Zbl 1314.62040
[7] 贝德福德,T。;Cooke,R.,Vines——一种新的相依随机变量图形模型,Ann。Stat.,301031-1068,(2002年)·Zbl 1101.62339
[8] Bollen,K.A.:具有潜在变量的结构方程,第1版。威利,奇切斯特(1989)·Zbl 0731.62159
[9] 布莱希曼,E。;查多,C。;Aas,K.,高维截短规则藤蔓,应用于金融数据,可以。J。Stat.,40,68-85,(2012年)·Zbl 1274.62381
[10] 布雷希曼,EC;Joe,H.,《使用截断藤蔓和因子分析对相关矩阵的简约参数化》,计算机。统计数据分析,77233-251,(2014年)·Zbl 06984023
[11] Brechmann,E.C.,Schepsmeier,U.:用C-和D-维恩连接词建模相关性:R包CDVine。J。统计软件。52(3) ,1-27(2013年),http://www.tati52/
[12] 迪曼,J。;布莱希曼,E。;查多,C。;Kurowicka,D.,《选择和估计规则藤蔓copulae及其在财务收益中的应用》,计算机。统计数据分析,52,52-59,(2013)·Zbl 1400.62114
[13] Friedman,J.,Hastie,T.,Tibshirani,R.:用图形套索进行稀疏逆协方差估计。生物统计学9(3) ,432(2008年)。https://doi.org/10.1093/biostatistics/kxm045·Zbl 1143.62076
[14] Friedman,J.,Hastie,T.,Tibshirani,R.:通过坐标下降实现广义线性模型的正则化路径。J。统计软件。33(1) ,1-22(2010年),http://www.jstatsoft.org/v33/i01/
[15] Frommlet F,Chakrabarti A,Murawska M,Bogdan M(2011)一般分布效应量稀疏下的渐近Bayes最优性。技术报告,arXiv:1005.4753
[16] Gruber L,Czado C(2015a),规则藤蔓连接蛋白的贝叶斯模型选择。预印本https://www.statistics.ma.tum.de/fileadmin/w00bdb/www/LG/bayes-vine.pdf·Zbl 1335.62048
[17] 格鲁伯,L。;Czado,C.,《规则藤蔓copulas的序贯贝叶斯模型选择》,bayesian Anal.,10937-963,(2015年)·Zbl 1335.62048
[18] Hastie,T.,Tibshirani,R.,Wainwright,M.:稀疏的统计学习套索和归纳法。CRC出版社,博卡拉顿(2015)·Zbl 1319.68003
[19] Hoyle,R.H.:结构方程建模,第1版。SAGE出版物,千橡树出版社(1995)
[20] Joe,H.:用copula建立依赖模型。查普曼和霍尔/CRC,伦敦(2014)·Zbl 1346.62001
[21] Kaplan,D.:结构方程建模:基础和扩展,第2版。SAGE Publications,千橡树出版社(2009)·Zbl 0970.91063
[22] Koller,D.,Friedman,N.:概率图形模型:原理和技术,第1版。麻省理工学院出版社,剑桥,马萨诸塞州(2009)·Zbl 1183.68483
[23] Kurowicka,D.,Cooke,R.:不确定性分析和高维相关性建模,第1版。威利,奇切斯特(2006)·Zbl 1096.62073
[24] Kurowicka,D.,Joe,H.:藤蔓连接蛋白依赖性建模手册。新加坡世界科学出版公司(2011)
[25] 新罕布什尔州梅因绍森。;Bühlmann,P.,高维图和变量选择与套索,Ann。Statist.,34,1436-1462,(2006年)·Zbl 1113.62082
[26] Müller,D.,Czado,C.:将稀疏高斯DAG表示为允许非高斯依赖的稀疏R-维。J。计算机。图表。统计(2017年)。https://doi.org/10.1080/10618600.2017.1366911
[27] Schepsmeier U、Stöber J、Brechmann EC、Graeler B、Nagler T、Erhardt(2016)VineCopula:葡萄copula的统计推断。https://github.com/tnagler/VineCopula,r包版本2.0.6
[28] Schwarz,G.,估计模型的维数,Ann。Stat.,6461-464,(1978年)·Zbl 0379.62005
[29] Sklar,A.,再分配与尺寸和leurs marges基金会,出版。巴黎州立大学研究所,8229-231,(1959)·Zbl 0100.14202
[30] 圣伯,J。;乔,H。;《简化对copula结构的限制和扩展》,J。多变量。《分析》,119101-118,(2013年)·兹布1277.62139
[31] Tibshirani,R.,回归收缩和通过套索选择,J。R。统计Soc。B、 58267-288,(1994年)·Zbl 0850.62538
[32] 邹,H。;黑斯蒂,T.,《通过弹性网络进行正则化和变量选择》,J。R。统计Soc。爵士。B(Stat.Methodol.),67301-320,(2005年)·Zbl 1069.62054
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。