Explicit Expressions for Multidimensional Value-at-Risk under Archimedean Copulas
Université Félix Houphouët Boigny（费利克斯·乌弗埃-博瓦尼大学）；University of Manchester（曼彻斯特大学）
本文通过阿基米德Copula推导多维价值-at-风险的显式表达式，提供解析方法用于多变量风险评估和系统性风险分析。
2026-02-01 stat.ME
Trimmed L-moments For Estimation Multi-parameter Archimedean Copulas
Elamir和Seheult（2003）提出了一种新的估计方法--修剪L-矩，用于估计均值不存在时的多参数分布和Hosking（1990）提出的L-矩方法由于缺乏理论L-矩而失效的重尾分布。本文提出了一种新的基于多参数Copula的截断L-矩估计方法，并进行了仿真研究。并证明了新估计量的相合性和渐近正态性。
2016-09-04 stat.ME
A new tractable Archimedean copula for full-range tail dependence
Northern Illinois University（北伊利诺伊大学）
本文提出一种具有闭式密度函数的新型阿基米德 copula（FRA1），可捕获上下尾全范围尾部依赖，用于构建 vine 模型并应用于医疗支出数据，避免 pair-copula 选择。
2026-09-17 stat.ME
Extending the Archimedean copula methodology to model multivariate survival data grouped in clusters of variable size
对于聚类生存数据的分析，通常使用两种不同类型的模型来考虑关联：脆弱性模型和Copula模型。脆弱性模型假设每个集群的脆弱性条件，集群内的个体的风险函数是独立的。这些未知的脆弱性术语及其强加的分布被用来表达集群中不同个体之间的关联。另一方面，Copula模型假设集群内个体的联合生存函数由Copula函数给出，并在每个个体的边际生存函数中进行评估。Copula函数描述了一个簇内生命周期之间的关联。目前的Copula模型的一个主要缺点是脆弱性模型的大小不同的集群必须是小的和相等的，以建立管理的估计程序，不同的模型参数。在这篇手稿中，我们描述了一个Copula模型的集群生存数据的集群被允许是中等到大，并考虑类阿基米德Copula完全单调发电机的大小不同。我们开发了一个和两个阶段的估计不同的copula参数。此外，我们证明了这些估计的相合性和渐近正态性。最后，我们进行了模拟研究，调查有限样本性质的估计。我们说明了一个数据集上的方法，包含时间的第一次授精的奶牛，奶牛群。
2014-01-09 stat.ME
Inference for overparametrized hierarchical Archimedean copulas
本文从假设检验角度研究过参数化分层阿基米德Copula的结构估计与简约模型选择问题，通过给出最大似然估计量的渐近随机表示构造似然比检验，并推导了Clayton和Gumbel生成元下两层HAC的偏导数解析式及Fisher信息矩阵的数值近似方案。
2024-11-15 stat.ME
Non-parametric Archimedean generator estimation with implications for multiple testing
在多重检验中，族间误差率在一定条件下可以由检验统计量的copula来界定。假设这个Copula是阿基米德的，我们考虑两个非参数阿基米德生成估计。更具体地说，我们使用Genest et al.（2011）的非参数估计量及其略微修改。在模拟中，我们将得到的多个测试与Bonferroni测试和来自真实生成器的多个测试作为基线进行比较。
2019-03-27 stat.ME
Model selection tests for truncated vine copulas under nested hypotheses
The Graduate University for Advanced Studies, The Institute of Statistical Mathematics（高级研究大学院大学，统计数学研究所）
针对截断藤copula模型选择中原Vuong检验仅假设严格非嵌套、与结构嵌套性冲突的问题，本文系统将该检验拓展至嵌套与非嵌套假设场景，通过模拟明确了两类假设的适用条件，为藤copula截断提供了方法支撑与实践指导。
2025-04-24 stat.ME
Right-truncated Archimedean and related copulas
考虑了具有标准均匀单变量右截断边值的随机向量的Copula函数，并给出了右截断条件Copula函数的一般公式。这个公式对于Copula是解析的，Copula可以解析地反演为每个单参数的函数。例如，阿基米德和相关的Copula就是这种情况。由此产生的右截断阿基米德copula不仅分析上易于处理，但也可以被描述为倾斜阿基米德copula。这一发现允许一个，例如，更容易地获得分析性质，如系数的尾部依赖或抽样程序的右截断阿基米德copula。作为另一个结果，我们可以很容易地得到一个极限克莱顿copula的一般向量截断点收敛到零;这是一个重要的性质（再）保险和一个事实已经知道的特殊情况下，相等的截断点，但更难证明没有上述特征。此外，将具有Logistic稳定尾依赖函数的右截断Archimax copula刻画为倾斜外幂Archimedean copula，并给出了右截断嵌套Archimedean copula的解析形式.
2020-06-17 math.PR math.ST stat.ME
Outer power transformations of hierarchical Archimedean copulas: Construction, sampling and estimation
大量常用的参数阿基米德copula（AC）家庭被限制到一个单一的参数，连接到一个和谐的措施，如肯德尔的tau。这通常会导致统计拟合不佳，特别是在联合尾部，有时甚至会限制对一致性或尾部依赖性进行数学建模的能力。这项工作提出了阿基米德生成元的外幂（OP）变换来克服这些限制。例如，由OP变换生成器生成的Copula可以允许同时捕获给定的一致性度量和尾部依赖系数。对于可交换OP变换AC，给出了计算尾相关系数的公式，提出了两种可行的OP AC估计，并通过仿真研究了它们的性质。针对OP变换AC的分层扩展，提出了一种新的构造原理、有效采样和参数估计。通过仿真，研究了该估计器的收敛速度和标准误。在风险管理应用中证明了OP转换的分层AC模型的出色尾部拟合能力。结果表明，OP变换能够改善可交换AC的统计拟合，特别是那些不能捕获上尾依赖或强一致性的AC，以及分层AC的统计拟合，特别是在尾依赖和高维方面。考虑到将OP变换包括到现有的可交换和分层AC模型中是多么简单，这种变换在计算工作量和统计改进之间提供了有吸引力的权衡。
2020-03-31 stat.ME
Power-divergence copulas: A new class of Archimedean copulas, with an insurance application
本文提出一类新的阿基米德连接函数——幂散度连接函数，并证明其能有效拟合丹麦火灾保险数据的二元损失分布，优于多个基准模型。
2025-10-07 cs.IT math.IT math.ST
A non-parametric estimator for Archimedean copulas under flexible censoring scenarios and an application to claims reserving
本文将Genest-Rivest阿基米德Copula非参数估计量扩展至灵活删失情形，通过图形化选择与拟合优度验证，并在加拿大车险数据上有效建模相关保险责任激活延迟的相依性，为索赔准备金提供支持。
2024-01-15 stat.AP stat.ME
Intermediate Tail Dependence: A Review and Some New Results
当没有强有力的证据表明存在通常的尾部依赖时，如果想要量化尾部中的正相关程度，则中间尾部依赖的概念是有用的。我们首先回顾现有的研究中间尾部依赖，然后我们报告新的结果，以补充审查。分别对椭圆copula、极值copula和阿基米德copula的中间尾依赖性进行了综述和进一步的研究。对于阿基米德copula，我们不仅考虑了脆弱模型，还考虑了最近研究的尺度混合模型，对于后者，给出了导致上中间尾依赖的条件，为模拟具有理想中间尾依赖结构的copula提供了一种有用的方法.
2012-12-04 stat.ME
A semiparametric estimation of copula models based on the method of moments
利用经典的矩估计方法，提出了多参数Copula模型的一种新的半参数估计方法。建立了估计量的相合性和渐近正态性。通过考虑阿基米德copula模型，进行了广泛的模拟研究，比较这些估计与伪极大似然，ρ-反演和τ-反演的。我们表明，与其他方法相比，基于矩的估计是快速和简单的使用合理的偏差和根均方误差。
2012-01-07 stat.ME
Bayesian Inference for Joint Tail Risk in Paired Biomarkers via Archimedean Copulas with Restricted Jeffreys Priors
University of Louisiana at Lafayette（路易斯安那大学拉法叶分校）；Minnesota State University（明尼苏达州立大学）；West Liberty University（西自由大学）；Presidency College（总统学院）
本文提出一种基于Copula的贝叶斯方法，通过受限杰弗里斯先验量化配对生物标志物的联合尾风险，揭示了极端共动性显著高于独立性。
2026-03-08 stat.AP stat.ME
Simplified Pair Copula Constructions --- Limits and Extensions
所谓的对Copula结构（PCC），只指定多元分布的二元积木（对Copula），构成了一类灵活的依赖模型。为了使它们易于推理和模型选择，条件分布的Copula不依赖于它们所依赖的变量的值的简化假设是流行的。在本文中，我们展示了这种简化适用于哪类分布，大大扩展了Hobæk Haff et al.（2010）的讨论。特别是，我们表明，唯一的阿基米德copula在尺寸d \geq 4这是简化的类型是基于伽玛拉普拉斯变换或其扩展，而学生t copula是唯一的一个所产生的规模混合的法线。此外，我们说明了如何PCC可以适应的情况下，条件Copula依赖于值的条件。
2012-05-22 stat.ME
Minimum Copula Divergence for Robust Estimation
本文提出仅基于 copula 函数的稳健估计框架，通过引入 copula 散度族并提出最小 copula 散度估计器（MCDE），有效应对模型误设与重尾数据，在极端观测下保证稳健性。
2025-09-16 stat.ME
Spatiotemporally Consistent Multivariate Bias Correction for Climate Projections via Nested Vine Copulas
University of Lausanne（洛桑大学）；University of Applied Sciences and Arts Western Switzerland (HES-SO)（瑞士西部应用科学和艺术大学）
本文提出GN-VBC方法，利用GAM分离时空确定性效应与残差，结合嵌套藤Copula建模变量间依赖，提升气候预测的时空一致性和可靠性。
2026-07-16 stat.AP stat.ME
Conditional copula graphic estimator for semi-competing risks data
Children’s Hospital Research Institute of Manitoba, University of Manitoba（曼尼托巴儿童医院研究所，曼尼托巴大学）；Department of Mathematics and Statistics, University of Guelph（圭尔夫大学数学与统计系）；Hospital for Sick Children（多伦多多伦多儿童医院）；Department of Statistics, University of Manitoba（曼尼托巴大学统计系）
针对半竞争风险数据中对非终端事件时间生存函数估计受终端事件相依删失影响的问题，提出条件copula图形估计器，可进行协变量调整，通过顺序迭代算法得到，用模拟和真实数据评估其性能并与无条件估计器比较。
2026-07-14 stat.ME
Using model distances to investigate the simplifying assumption, model selection and truncation levels for vine copulas
藤copula是描述多个随机变量之间依赖结构的一种有用的统计工具，特别是当变量数目很大时。当用藤连接模型对数据建模时，人们经常会遇到一组候选模型，其中最好的一个应该被选择。例如，这可能会出现在非简化的葡萄藤连接，截断葡萄藤和其他简化有关对连接家庭或葡萄藤结构的上下文中。借助距离测量，我们开发了一个基于参数自举的测试程序，以决定从嵌套模型类copula之间。此外，我们使用距离度量来选择不同的候选模型。所有常用的距离测量，例如Kullback-Leibler距离，都因高维积分而遭受维数灾难。为了解决这个问题，Killiches，Kraus和Czado（2017）提出了对Kullback-Leibler距离的几种修改。我们应用这些距离措施，上述模型选择的问题，并证实其有用性。
2017-05-09 stat.ME
A novel positive dependence property and its impact on a popular class of concordance measures
本研究提出正测度诱导（PMI）这一新的正相依性，推导其对一类一致性测度的序关系与不等式，构建相应渐近检验并通过模拟和真实数据验证其优异性能，可用于copula模型选择。
2023-06-16 stat.ME
Parametric dependence between random vectors via copula-based divergence measures
本文通过$Phi$ -分歧族提出了多组可能大小不同的随机变量之间基于Copula的依赖量化。为此目的提供了一个公理化的框架，之后，我们专注于绝对连续的设置假设Copula密度存在。我们考虑参数和半参数框架，讨论估计程序，并报告所提出的估计的渐近性质。特别是，我们首先集中在高斯copula方法产生明确的和有吸引力的依赖系数的特定选择的$Phi$，这是更适合估计。接下来，考虑一般参数copula族，特别注意嵌套的阿基米德copula，它是随机向量依赖建模的自然选择。通过实例说明了结果。模拟和现实世界的金融数据的应用程序也提供了。
2023-02-27 math.ST stat.ME stat.TH
Copula-based Semiparametric Regression Method for Bivariate Data under General Interval Censoring
这项研究的动机是发现和支持双侧眼病进展的遗传原因，黄斑相关性黄斑变性（AMD），其主要结局（进展至晚期AMD的时间）是双变量的，并且由于间歇性评估时间而间隔删失。本文提出了一类新的基于Copula函数的一般区间删失双变量数据的半参数变换模型，包括区间删失情形1（当前状态数据）和区间删失情形2.具体地说，联合似然建模通过两个参数阿基米德copula，它可以灵活地表征在两个尾部的两个边缘之间的依赖性。边缘分布是通过半参数转换模型使用筛子，与比例风险或赔率模型是一个特殊的情况。我们开发了一个计算效率高的筛极大似然估计程序的未知参数，以及一个广义得分测试的回归参数（S）。对于有限维参数的筛估计，我们建立了它们的渐近正态性和有效性。进行了大量的模拟，以评估所提出的方法在有限样本的性能。最后，我们将我们的方法应用于使用AMD相关眼病研究（AREDS）数据的AMD进展的全基因组分析，以成功识别与疾病进展相关的新风险变体。我们还为具有不同遗传特征的患者预测了联合和条件性无进展概率。
2019-08-20 stat.ME
HACSurv: A Hierarchical Copula-Based Approach for Survival Analysis with Dependent Competing Risks
Southeast University（东南大学）；The University of Newcastle（纽卡斯尔大学）
本文提出 HACSurv，利用分层阿基米德 Copula 建模竞争风险与删失之间的相依结构，从而提升生存分布预测精度，并在合成和真实数据上验证了其优于现有方法。
2025-03-10 cs.LG stat.ME stat.ML
Some Results on Point Estimation of the Association Parameter of a Bivariate Frank Copula
本文全面研究了二元 Frank Copula 关联参数的点估计，比较了三种估计量在偏差、MSE等方面的表现，发现 MLE 整体最优但在零附近 MME 更佳，且 MLE 的渐近行为在 $n\ge 75$ 时表现良好。
2025-06-29 stat.ME
Semiparametric Modeling for Multivariate Survival Data via Copulas
本文提出了一类新的基于阿基米德Copula的多变量生存模型，其边际由Yang和Prentice（YP）模型建模。Ali-Mikhail-Haq（AMH）、Clayton、Frank、Gumbel-Hougaard（GH）和Joe Copula函数被用来处理边缘分布之间的依赖关系。基线分布由分段指数（PE）分布和伯恩斯坦多项式半参数化建模。这类新的模型具有一些吸引人的特点：i）能够考虑具有交叉生存曲线的生存数据; ii）包括众所周知的比例风险（PH）和比例优势（PO）模型作为特殊情况; iii）边缘基线分布的半参数建模提供了更大的灵活性;（iv）似然函数的封闭形式表达式的可用性，导致更直接的推理过程。我们进行了广泛的蒙特卡罗模拟研究，以评估所提出的模型的性能。最后，我们通过分析诊断为卵巢癌的患者的生存数据，证明了我们的新一类模型的多功能性。
2022-03-07 stat.AP stat.ME
