工具书类
Bedford,T.和R.Cooke。2002.“藤蔓-相依随机变量的新图形模型”统计年刊30: 1031–068,https://doi.org/10.1214/aos/1031689016.在谷歌学者中搜索
Berens,T.、D.Wied、G.Weiß和D.Ziggel。2014.“一组新的改进的价值-风险回测”银行与金融杂志48: 29–41,https://doi.org/10.1016/j.jbankfin.2014.07.005.在谷歌学者中搜索
Bücher,A.、I.Kojadinovic、T.Rohmer和J.Segers。2014.“在多元时间序列中检测交叉依赖性的变化。”多元分析杂志132: 111–28,https://doi.org/10.1016/j.jmva.2014.07.012.在谷歌学者中搜索
Chu、C.S.J.、K.Hornik和C.M.Kuan。1995.“参数恒定性的MOSUM测试”生物特征82:603–17,https://doi.org/10.1093/biomet/82.3603.在谷歌学者中搜索
Chu,C.、M.Stinchcombe和H.White。1996.“监测结构变化”计量经济学64 (5): 1045–65,https://doi.org/10.2307/2171955.在谷歌学者中搜索
Dette,H.和J.Goesmann。2019.“序列变化点检测的似然比方法”。美国统计协会杂志115: 1–17.https://doi.org/10.1080/01621459.2019.1630562.在谷歌学者中搜索
Dowd,K.和D.Blake。2006.《VaR之后:基于数量的风险度量的理论、估计和保险应用》风险与保险杂志73: 193–229,https://doi.org/10.1111/j.1539-6975.2006.00171.x.在谷歌学者中搜索
Francq,C.和J.Zakoian。2004.“纯GARCH和ARMA-GARCH过程的最大似然估计”伯努利10 (4): 605–37,https://doi.org/10.3150/bj/1093265632.在谷歌学者中搜索
Galeano,P.和D.Wied。2014.“随机变量相关结构中的多重中断检测”计算统计与数据分析76:262–82之间,https://doi.org/10.1016/j.csda.2013.02.031.在谷歌学者中搜索
Garthoff,R.2014年。“使用残差图对金融时间序列进行序列分析。”统计分析进展8: 91–113,https://doi.org/10.1007/s11943-014-0145-6.在谷歌学者中搜索
Genest,C.和B.Rémillard。2008年,“半参数模型拟合良好性测试参数引导的有效性”《亨利·彭卡研究所年鉴》——概率与统计44: 1096–127,https://doi.org/10.1214/07-aihp148.在谷歌学者中搜索
Gray,S.1996年。“将利率的条件分布建模为一个制度转换过程。”金融经济学杂志42: 27–62,https://doi.org/10.1016/0304-405x(96)00875-6.在谷歌学者中搜索
Hoga、Y.和D.Wied。2017.“依赖数据尾部行为的顺序监测。”统计规划与推断杂志182: 29–49,https://doi.org/10.1016/j.jspi.2016.08.010.在谷歌学者中搜索
Klaassen,F.2002年。“利用制度转换GARCH改进GARCH波动性预测。”实证经济学27: 363–94,https://doi.org/10.1007/s001810100100.在谷歌学者中搜索
Krupskii,P.和H.Joe。2013.“多元数据的因子Copula模型”多元分析杂志120: 85–101,https://doi.org/10.1016/j.jmva.2013.05.001.在谷歌学者中搜索
Kurozumi,E.2017年。“用内生回归量监测参数恒常性。”时间序列分析杂志38: 791–805,https://doi.org/10.1111/jtsa.12236.在谷歌学者中搜索
Manganelli,S.和R.Engle。2004.“CAViaR:回归分位数的条件自回归风险值”商业与经济统计杂志22: 4,https://doi.org/10.1198/07350010400000370.在谷歌学者中搜索
Manner、H.、F.Stark和D.Wied。2019.“因子Copula模型中的结构断裂测试”计量经济学杂志208:324–45,https://doi.org/10.1016/j.jeconom.2018.1001.在谷歌学者中搜索
McNeil,A.和R.Frey。2000.《异方差金融时间序列尾部相关风险度量的估计:极值方法》实证金融杂志7: 270–300,https://doi.org/10.1016/s0927-5398(00)00012-8.在谷歌学者中搜索
Na,O.和J.Lee。2014.“时间序列中Copula参数稳定性的监测测试”韩国统计学会杂志43: 483–501,https://doi.org/10.1016/j.jkss.2014.08.002.在谷歌学者中搜索
哦,D.和A.巴顿。2013.“基于Copula的多元模型的矩估计模拟方法”美国统计协会杂志108,https://doi.org/10.1080/01621459.2013.785952.在谷歌学者中搜索
哦,D.H.和A.J.巴顿。2017.“用因子Copula模拟高维依赖性”商业与经济统计杂志35分:139–54秒,https://doi.org/101080/07350015.2015.1062384.在谷歌学者中搜索
Pape,K.、D.Wied和P.Galeano。2017.“监测多元方差变化。”实证金融杂志39(A):54–68,https://doi.org/10.1016/j.jempfin.2016.08.007.在谷歌学者中搜索
Rémillard,B.2017年。“多元时间序列Copula的拟合优度检验。”计量经济学35: 139–54.https://doi.org/10.3390/economometrics5010013.在谷歌学者中搜索
C.萨武和M.特雷德。2010年,《阿基米德Copulas的等级》定量金融学10: 295–304,https://doi.org/10.1080/14697680902821733.在谷歌学者中搜索
Wied,D.和P.Galeano。2013.“监测随机变量序列的相关性变化”统计规划与推断杂志143: 186–96.https://doi.org/10.1016/j.jspi.2012.06.007.在谷歌学者中搜索