Copulas from Order Statistics
Baker（2008）引入了一类新的基于顺序统计量的copula。在这里，进一步的属性的二元和多元copula的描述，如似然比优势（LRD），并进一步二元copula的介绍，推广了早期的工作。其中一个新的Copula是虚宗量Bessel函数乘积的积分，并且可以达到Fréchet界。使用这些Copula拟合数据进行说明，并举例说明。经验发现，以前提出的多变量Copula不够灵活，一般是有用的数据拟合，在这方面需要进一步的发展。
2014-12-02 stat.ME
Information matrix equivalence in the presence of censoring: A goodness-of-fit test for semiparametric copula models with multivariate survival data
该研究证明了多变量删失生存数据下半参数copula模型的信息矩阵等价性，提出基于该等价性的copula函数设定信息比检验，推导其渐近分布并给出有限样本P值计算的参数bootstrap程序，通过模拟与真实数据验证了检验性能。
2023-07-23 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
Flexible Multivariate Density Estimation with Marginal Adaptation
我们的文章解决了灵活估计多元密度的问题，同时也试图正确估计其边缘。我们这样做，提出了两个新的估计，试图捕捉最好的功能，同时避免他们的一些弱点的混合法线和copula估计。我们提出的第一个估计是一个混合的常态copula模型，这是一个灵活的替代参数copula模型，如正常和t copula。第二个是一个边际适应混合的法线估计，通过使用包含在单变量估计的边际密度的信息，提高了标准的混合法线。我们的经验表明，Copula为基础的方法可以表现得更好或更差的估计的基础上混合的法线取决于数据的属性。我们提供了快速和可靠的估计实现，并说明了模拟和真实数据的方法。
2009-01-02 stat.CO stat.ME
Generalized Pareto Copulas: A Key to Multivariate Extremes
本文综述了多元极值理论的核心-广义Pareto copula（GPC）。任何广义预测控制都可以用$\mathbb{R}^d$上的一种特殊类型的范数（称为$D$ -范数）以一种简单的分析方式表示。GPC的特征性质是其电导稳定性。GPC可能有助于结束争论：什么是多元广义帕累托分布？我们提出了一个简单的方法来模拟数据从任意GPC，因此，从任意广义帕累托分布。作为一个应用程序，我们得出的概率，随机向量，它遵循GPC，超过一个高阈值，连同置信区间的非参数估计。本文最后以大气污染物联合扩散概率为例进行了分析。
2018-11-23 math.ST stat.TH
Semiparametric Copula Quantile Regression for Complete or Censored Data
当面对多元协变量时，一般的半参数回归技术可以提出灵活的模型，这些模型不受维数灾难的影响。在这项工作中，半参数Copula为基础的估计条件分位数完全或右删失数据进行了研究。在精神上，该方法扩展了Noh et al.（2013）和Noh et al.（2015）的近期工作，因为主要思想在于根据多变量copula和边缘分布适当定义分位数回归。事先估计后者和简单的插件导致一个容易实现的估计表示，无论上下文中有或没有审查，作为一个加权分位数的观察到的响应变量。此外，与文献中的初始建议相反，研究了多变量Copula密度的半参数估计方案，其动机是纯参数方法的可能缺点，并由回归上下文驱动。由此得到的分位数回归估计具有在分位数水平上自动单调的有价值的性质，并且在经典的正则条件下得到了完全数据和删失数据的渐近正态性。最后，数值例子以及实际数据的应用，以说明所提出的方法的有效性和有限样本性能。
2016-03-24 stat.ME
A multivariate piecing-together approach with an application to operational loss data
单变量拼接方法（PT）以连续的方式将单变量广义Pareto分布（GPD）拟合到给定分布函数的上尾。我们提出了一个多元扩展。首先证明了一个任意的Copula是在多元极值分布的吸引区域中当且仅当它的上尾可以近似为一个具有均匀边界的多元GPD的上尾。然后，多元PT由两个步骤组成：给定copula $C$的上尾被切断，并以连续的方式被多元GPD copula取代。结果又是一个copula。另一个步骤是用一个给定的单变量分布函数对这个新的copula的每个边进行变换。这就提供了一个多变量分布函数，它具有规定的边界，其copula在其中心部分与$C$重合，在其上尾与GPD copula重合。当应用于数据时，这种方法还能够在多变量情况下评估基础分布函数的上尾的各种合理方案。我们将这种方法应用于操作损失数据，以评估操作风险的范围。
2012-05-08 math.ST q-fin.RM stat.TH
Non-Parametric Estimation Techniques of Factor Copula Model using Proxies
RMIT University（皇家墨尔本理工大学）；The University of Melbourne（墨尔本大学）
针对因子 copula 模型中连接 copula 难以准确估计的问题，本文提出基于核密度估计的非参数方法，证明其在温和条件下的一致性，并通过模拟验证有效性。
2025-10-21 stat.ME
Nonparametric estimation of pair-copula constructions with the empirical pair-copula
一个pair-copula构造是将一个多元copula分解成一个二元copula或pair-copula的结构化系统，称为正则vine。标准的做法是对这些配对连接进行参数化建模，这是以大的模型风险为代价的，错误会在整个藤结构中传播。本文提出的经验对copula提供了一个非参数的替代仍然实现参数收敛速度。它可以被用来作为一个基础上的依赖措施的推断，选择和修剪的藤蔓结构，并为假设检验有关的形式对copulae。
2012-01-24 stat.ME
Hybrid Copula Estimators
经验copula的扩展被认为是通过结合一个多变量累积分布函数的估计与边际累积分布函数的边际估计，不一定等于联合估计的利润率的估计。当某些利润率以额外数据或更强的建模假设的形式存在额外信息时，这种混合估计量可能是合理的。建立了泛函中心极限定理，并给出了一些例子。
2014-11-28 stat.ME
Diagonal sections of copulas, multivariate conditional hazard rates and distributions of order statistics for minimally stable lifetimes
作为一个激励问题，我们的目标是研究一些特殊方面的边缘分布的顺序统计量的可交换和（更一般地说）最小稳定的非负随机变量$T_{1},...,T_{r}$。在任何情况下，我们假设$T_{1},...,T_{r}$是同分布的，具有共同的生存函数$\overline{G}$，它们的生存copula由$K$表示。$K$的对角线和次对角线部分以及$\overline{G}$是描述恢复顺序统计量定律所需信息的可能工具。当注意力被限制在绝对连续的情况下，这样的联合分布可以用相关的多变量条件危险率（m.c.h.r.）来描述。功能协调发展的然后，我们研究了$T_{1},...,T_{r}$的顺序统计量的分布也在系统的m.c.h.r.功能协调发展的我们比较，并在某种意义上说，我们结合这两种不同的方法，以获得不同的详细公式，并分析一些概率方面的分布的利益。这项研究还导致我们比较两种情况下的可交换和最小稳定的变量都在copula和m.c.h.r.。功能协调发展的本文最后分析了两个显着的特殊情况下的随机依赖，即阿基米德copula和负载分担模型。这种分析将使我们能够提供一些说明性的例子，并对我们的结果的特殊方面进行一些讨论。
2021-06-15 math.PR math.ST stat.ME
Extreme value copula estimation based on block maxima of a multivariate stationary time series
经典的块极大值方法的核心是从一个基本序列中提取一个块的极大值样本，并拟合一个极值分布。在渐近理论中，通常假设块极大值是极值分布的独立随机样本。然而，在实践中，块大小是有限的，因此极值假设仅近似成立。一个更准确的渐近框架是一个三角形阵列的块最大值，块的大小取决于基本样本的大小，在这样的方式，块的大小和块的数量在该样本趋于无穷大。假设块中的分量极大值向量的copula收敛于一个极限，在温和的条件下，该极限必然是一个极值copula。在此设置下，对于绝对正则平稳序列，块极大值向量样本的经验copula是极限极值copula的一致和渐近正态估计。此外，经验copula作为基于秩的，非参数估计的Pickands依赖函数的极值copula的基础。理论的例子和Monte Carlo模拟研究的结果说明。
2014-05-08 math.ST stat.TH
Modelling and simulation of dependence structures in nonlife insurance with Bernstein copulas
在本文中，我们回顾伯恩斯坦和网格型copula为任意尺寸和一般的网格分辨率与离散随机向量具有一致的利润。我们进一步提出了一种实用的方法来适应的依赖结构的多元数据的伯恩斯坦copula通过网格型copula和经验列联表。最后，我们讨论了一个蒙特卡罗研究的模拟和PML估计的总相关损失的观测风暴和洪水数据。
2020-10-29 q-fin.RM stat.ME
Empirical tail copulas for functional data
对于最大稳定分布的吸引区域中的多变量分布，尾copula和稳定尾依赖函数是捕获上尾依赖的等价方法。这些函数的经验版本是基于秩的估计，其膨胀的估计误差是已知的弱收敛到一个高斯过程，这是类似的结构的经验copula过程的弱极限。通过建立尾Copula的估计量的渐近正态性，我们将这个多元结果扩展到连续函数数据，均匀分布在最多$D$点（$D$固定）的所有有限子集上。给出了一个检验尾copula平稳性的应用。导出结果的主要工具是所有$D$ -变量尾经验过程的一致渐近正态性。主要结果的证明是不规范的。
2020-10-08 math.ST stat.TH
Weak convergence of the empirical copula process with respect to weighted metrics
经验Copula过程在许多基于Copula或秩的统计过程的渐近分析中起着核心作用。在其他应用中，关于其弱收敛的结果可以用来发展渐近理论的依赖措施或copula密度的估计，他们允许获得随机独立性或特定的copula结构的测试，或者他们可以作为一个基本的工具，多元秩统计量的分析。在本文中，我们建立了弱收敛的经验copula过程（允许的观察是串行依赖）的加权上确界距离。我们的研究结果的有用性说明了一般的二元秩统计量和估计程序的Pickands依赖函数中产生的多元极值理论的应用。
2014-11-21 math.ST stat.TH
Change Point Detection with Copula Entropy based Two-Sample Test
Hitachi China Research Laboratory（日立中国研究实验室）
本文提出一种基于Copula熵双样本检验的非参数多元变点检测方法，结合二元分割策略实现多变点检测，并在模拟数据和尼罗河数据上验证了其有效性。
2024-02-03 cs.LG stat.ME
Risk aggregation with FGM copulas
我们提供了一个新的视角与FGM Copula的风险聚集。一路上，我们发现了新的结果，并重新审视现有的，提供更简单的公式比人们可以找到在现有的文献。基于对称多元伯努利分布和顺序统计量，本文建立了两种新的FGM Copula表示。首先，我们详细介绍家庭的多元分布的累积分布函数或总随机变量的时刻的封闭形式的解决方案。在凸序下对聚集随机变量进行了排序，并给出了边缘离散时聚集随机变量的累积分布函数的计算方法。最后，我们讨论了风险分担和资本分配，并为每一个提供了数值例子。
2022-07-29 math.ST stat.AP stat.TH
Copula Conformal Prediction for Multi-step Time Series Forecasting
University of California, San Diego（加利福尼亚大学圣迭戈分校）
本文提出 CopulaCPTS，一种用于多变量多步时间序列预测的 Copula 保形预测算法，具有有限样本有效性保证，并在多个数据集上生成更校准、更尖锐的置信区间。
2024-03-18 cs.LG stat.AP
Conditional empirical copula processes and generalized dependence measures
当条件事件具有非零概率时，研究了条件经验copula过程的弱收敛性。几个自助方案的有效性，包括可交换的自助。我们定义了一般可能条件多元相关测度及其估计量.应用我们的理论结果，我们证明了这类相依测度的一些估计的渐近正态性。
2020-08-21 math.ST stat.TH
Stochastic representation of Sarmanov copulas
Department of Statistical Sciences, University of Toronto（多伦多大学统计科学系）
本文提出了一种双变量Sarmanov copulas的随机表示方法，通过伯努利混合构造高维copulas，并推导了Spearman和Kendall的精确界限。
2026-01-13 math.PR math.ST stat.TH
Copulas for maxmin systems
在较弱的条件下，给出了由给定随机向量$X$的子向量的极大值和极小值组成的系统的Copula的封闭形式的表达式。所述表达式在$X$的copula中是明确的，并且例如当$X$的定律允许关于勒贝格测度的严格正密度时，满足所述条件。在i.i.d.如果这些“最大最小”连接符变得普遍，则其有效性的条件可以完全放弃。我们的主要动机来自应用程序中出现的多变量生存理论的冲击模型。另一个应用是顺序统计量copula。
2015-12-30 math.PR math.ST stat.TH
Gaussian Process Vine Copulas for Multivariate Dependence
Copula允许学习边缘分布独立于多元依赖结构（copula），多元依赖结构将它们连接到一个密度函数中。藤因子分解通过构造条件二元copula的层次结构来简化高维copula的学习。然而，为了简化推理，通常假设这些条件二元Copula中的每一个都独立于其条件变量。在本文中，我们放松了这一假设，发现潜在的功能，指定的形状的条件Copula给定其条件变量我们学习这些功能的贝叶斯方法的基础上稀疏高斯过程的期望传播可扩展的，近似的推理。在真实世界数据集上的实验表明，当对所有条件依赖进行建模时，我们可以更好地估计数据的底层copula。
2013-02-16 stat.ME stat.ML
Ensemble Copula Coupling as a Multivariate Discrete Copula Approach
在概率论和统计学中，Copula在理论上以及解决各种应用领域中的广泛问题方面发挥着重要作用。本文引入了多元离散Copula的概念，讨论了它们与随机阵列的等价性，并给出了Sklar定理的一个多元离散形式。这些结果为Schefzik等人（2013）提出的集合Copula耦合方法提供了理论框架，用于集合系统天气预报的多元统计后处理。
2013-05-24 stat.ME
Towards more realistic climate model outputs: A multivariate bias correction based on zero-inflated vine copulas
本文提出 VBC，利用 vine copula 与随机化 Rosenblatt 变换建模零膨胀多变量气候数据的依赖结构，显著提升3小时 CRCM5 输出的偏差校正效果。
2025-05-15 stat.AP stat.ME
Bayesian Copula Density Deconvolution for Zero-Inflated Data in Nutritional Epidemiology
不同膳食成分长期平均摄入量的边际密度和联合密度的估计是营养流行病学中的一个重要问题。由于这些变量不能直接测量，数据通常收集的形式，24小时召回的摄入量，这表明显着的模式的条件异方差。显著加剧了挑战，召回的间歇性消费的饮食成分也包括确切的零。从观测到的受测量误差污染的代用指标中估计潜在长时间摄入量的密度的问题则是具有零膨胀数据的密度的反卷积问题。我们提出了一个贝叶斯半参数的解决方案的问题，建立在一个新的层次隐变量框架，将问题转化为一个只涉及连续代理。至关重要的是，以适应问题的重要方面，然后，我们设计了一个基于Copula的方法来建模所涉及的联合分布，采用不同的建模策略的边缘不同的饮食成分。我们设计了有效的马尔可夫链蒙特卡罗算法进行后验推理，并通过仿真实验说明了所提出的方法的有效性。应用于我们的激励营养流行病学问题，相比其他方法，我们的方法提供了更现实的估计消费模式的消费模式的流行性消费的饮食成分。
2019-12-11 stat.ME
A bivariate cure copula model with zero-inflated gamma frailty for right-censored data
Graduate Institute for Advanced Studies, SOKENDAI（SOKENDAI 高级研究研究生院）；Institute of Statistical Mathematics（统计数学研究所）；School of Informatics and Data Science, Hiroshima University（广岛大学信息科学与数据科学学院）
本文提出了一种新的双变量治愈 frailty-copula 模型，用于处理配对生存数据中的治愈分数和复杂依赖结构，通过零膨胀伽马 frailty 模型同时考虑治愈分数和未治愈个体的持续性异质性。
2026-09-21 stat.ME
Multivariate Normality Test with Copula Entropy
本文提出了一种基于Copula熵的多元正态性检验方法。检验统计量定义为具有相同协方差的未知分布与高斯分布的Copula熵之差。基于Copula熵的非参数估计，给出了检验统计量的估计。两个模拟实验进行了比较，建议的测试与现有的五个。实验结果表明，我们的测试优于其他人。
2022-06-13 stat.ME
Multivariate discrete copulas, with applications in probabilistic weather forecasting
在概率论和统计学中，Copula在理论上以及解决各种应用领域中的广泛问题方面发挥着重要作用。我们介绍了多元离散Copula的概念，讨论了它们与随机阵列的等价性，并证明了多元离散版本的Sklar定理。这些结果为集合系统天气预报后处理的多元统计方法提供了理论框架，包括集合Copula耦合方法和Schaake shuffle方法。
2015-12-17 stat.ME
A new class of copula regression models for modelling multivariate heavy-tailed data
引入了一类新的Copula函数，称为MGL Copula函数类。新的copula来源于提取多元广义log-Moyal-Γ分布的依赖函数，其边缘遵循\citet{li2019jan}中引入的单变量广义log-Moyal-gamma（GLMGA）分布。MGL Copula可以捕获边缘坐标之间的非椭圆、可交换和非对称依赖关系，并为回归应用提供了一个简单的公式。讨论了MGL copula的概率特征，得到了相应的极值copula，称为MGL-EV copula。虽然生存MGL Copula也可以被视为一个特殊的情况下，从\citet{yang2011generalized}的MGB 2 Copula，我们表明，该模型是有效的依赖结构的回归建模。接下来的模拟研究，我们提出了两个应用程序说明所提出的模型的有用性。这个方法也可以在一个用户友好的R包中实现：\texttt{rMGLReg}。
2021-08-20 stat.ME
COPAR - Multivariate time series modeling using the COPula AutoRegressive model
多元时间序列分析是金融、经济等领域的一个常见问题。用于此目的的经典工具是向量自回归模型。然而，这些仅限于线性和对称依赖的建模。我们提出了一种新的基于Copula的模型，它允许非线性和非对称建模的串行以及系列之间的依赖关系。该模型充分利用了仅由二元连接函数建立的藤连接函数的灵活性。我们描述了新模型的统计推断技术，并在三个相关的应用中证明了它的实用性：我们分析了宏观经济指标的时间序列，电力负荷需求和债券投资组合的回报。
2012-04-04 stat.ME
Modeling temporal dependency of longitudinal data: use of multivariate geometric skew-normal copula
本文基于 MGSN 分布构建几何偏正态 copula，以刻画非高斯纵向数据的不可交换与尾部时间依赖，并支持连续、离散及有序 probit 回归的复合似然推断。
2025-02-16 stat.ME
Modeling Zero-Inflated Correlated Dental Data through Gaussian Copulas and Approximate Bayesian Computation
针对零膨胀和时空相关的纵向牙齿数据，提出结合hurdle模型与高斯Copula的回归模型，并采用近似贝叶斯计算推断，揭示龋齿风险因素及相关性结构。
2024-12-25 stat.AP stat.ME
On approximating copulas by finite mixtures
Copula现在经常用于构造或估计多变量分布，因为它们能够考虑不同变量的多变量依赖性，同时单独指定边缘分布。基于Copula的多变量模型通常也比直接将灵活的多变量模型（例如正态混合模型）拟合到数据更简洁。然而，为了有效，所考虑的Copula模型族必须足够灵活。虽然有限的混合物的Copula已被用来构建灵活的家庭Copula，他们的近似性能还没有得到很好的理解，我们表明，自然的候选人，如混合物的椭圆copula和混合物的阿基米德copula不能近似一般copula任意。我们的文章开发了基本的工具来近似一般copula任意好的copula基于有限混合。我们显示的渐近性质，以及说明我们的方法的优势，经验上的金融数据集和一些人工数据。
2023-02-01 stat.ME
Regression Copulas for Multivariate Responses
本文提出基于协变量空间 copula 过程与 horseshoe 先验多元扩展的回归 copula 分布模型，并通过电价预测和无似然推断验证其多元建模与边际校准优势。
2024-03-05 stat.ME
Large-sample tests of extreme-value dependence for multivariate copulas
从极值copula函数的极大稳定性特征出发，研究了多元copula函数极值依赖性的大样本检验问题。所提出的测试的两个关键成分是经验copula的数据和乘数技术获得近似的p值的派生统计。建立了乘子方法的渐近有效性，并通过广泛的蒙特卡罗实验研究了大量候选检验统计量的有限样本性能的数据集的尺寸2至5。在双变量情况下，最佳检验版本的拒绝率与Ghoudi，Khoudraji和Rivest（1998）最近由Ben Ghorbal，Genest和Neslehova（2009）重新访问的检验进行了比较。所提出的程序说明了二元金融数据和三元地质数据。
2011-05-11 stat.ME
Modeling Multivariate Time Series with Copula-linked Univariate D-vines
本文提出了一种新的多元时间序列模型Copula-linked univariate D-vines（CuDvine），它可以同时对多元时间序列的时间依赖和截面依赖进行基于Copula的建模。为了构建CuDvine，我们首先基于D-vine构建半参数单变量D-vine时间序列模型（uDvine）。uDvine将现有的基于一阶Copula的马尔可夫链模型推广到任意阶的马尔可夫链。在uDvine的基础上，我们通过连接多个uDvine来构建CuDvine。作为一个简单易行的模型，CuDvine为时间序列的边缘行为和时间依赖性提供了灵活的模型，也可以为高维应用提供复杂的横截面依赖性，如时变和时空依赖性。鲁棒性和计算效率高的程序，包括一个连续的模型选择方法和一个两阶段的极大似然估计，提出了模型估计和推理，并研究了它们的统计特性。数值实验证明了CuDvine的灵活性，并检验了顺序模型选择过程和两阶段极大似然估计的性能。澳大利亚电价数据的实际应用表明，CuDvine的性能优于传统的多元时间序列模型。
2020-12-01 stat.ME
Copula Modeling of Multivariate Longitudinal Data with Dropout
联合多变量纵向和事件发生时间数据在生物医学科学中越来越受到关注，其中受试者随时间推移进行随访以监测疾病或医疗状况的进展。在保险方面，索赔结果可能与保单持有人的退出或保单失效的决定有关。本文介绍了一种广义矩技术的方法来估计依赖参数的关联使用copula表示。仿真研究表明了该方法的可行性。本文介绍了如何联合模型提供了新的信息，保险公司可以用来更好地管理他们的投资组合的风险使用说明性数据从西班牙保险公司。
2019-02-09 stat.ME
Joint modelling of longitudinal measurements and survival times via a multivariate copula approach
纵向和时间-事件数据的联合建模通常由联合模型描述，该模型使用共享或相关的潜在效应来捕获两个过程之间的关联。在这个框架下，两个过程的联合分布可以通过假设给定随机效应的条件独立性直接导出。在文献中也考虑了将相互依赖引入子模型的替代方法，其中一种方法是使用copula来引入纵向过程和时间-事件过程的边缘分布之间的非线性相关性。多元高斯copula联合模型已提出在文献中，以适应联合数据，通过应用蒙特卡罗期望最大化算法。在本文中，我们提出了一种精确的似然估计方法，以取代计算成本更高的蒙特卡罗期望最大化算法，我们认为结果的基础上使用多变量高斯和$t$ copula函数。我们还提供了一个简单的方法来计算动态预测的生存概率，表明我们提出的模型是可比的预测性能的共享随机效应联合模型。
2022-03-04 stat.ME
A Bayesian Semiparametric Gaussian Copula Approach to a Multivariate Normality Test
在本文中，贝叶斯半参数Copula方法被用来模拟潜在的多元分布$F_{true}$。首先，在$F_{true}$的未知边缘分布上构造Dirichlet过程。然后利用高斯copula模型来捕捉$F_{true}$的依赖结构。最后，结合相对置信比和能量距离建立了贝叶斯多元正态性检验。几个有趣的理论结果的方法。最后，通过几个模拟的例子和一个真实的数据集，所提出的方法显示出良好的性能。
2019-07-04 stat.AP stat.CO stat.ME
Bayesian Nonparametric Modeling for Multivariate Conditional Copula Regression with Varying Coefficients
Yonsei University（延世大学）
本文提出一种贝叶斯非参数框架，用于具有变系数的多元条件Copula回归，结合自适应样条边际回归与无限混合高斯Copula，通过Probit stick-breaking过程使权重随协变量变化，提供灵活的协变量依赖建模，避免显式全局约束。
2026-04-14 stat.ME
A New Class of Nonsymmetric Multivariate Dependence Measures
在我们以前基于Copula的非对称二元相关测度的工作基础上，我们提出了一组新的非对称多元相关测度的条件，这些条件刻画了一个随机变量对一组随机变量的独立性和完全相关性.这些测度是非参数的，因为它们是基于Copula的，并且在随机变量组上的连续双射变换下是不变的。我们还明确地构造满足条件的新的措施。此外，我们将二元copula上的星积推广到多元copula上，并证明了新测度的DPI条件和自公平性。本文还讨论了一组随机变量对另一组随机变量的依赖性测度的进一步推广。
2015-12-03 stat.ME
Bayesian Multivariate Nonlinear State Space Copula Models
在本文中，我们提出了一个灵活的多变量非线性非高斯状态空间模型，基于copula。更准确地说，我们假设观测方程和状态方程由不一定相等的copula族定义。对于每个时间点，所得到的模型可以通过在第一棵树之后截断的C-vine copula来描述，其中根节点由潜在状态表示。在贝叶斯框架内进行推断，使用哈密顿蒙特卡罗方法，其中在第一棵树之后截断的另一个D-藤被用作先验分布以捕获潜在状态中的时间依赖性。仿真研究表明，所提出的基于Copula的方法是非常灵活的，因为它能够描述广泛的依赖结构，并在同一时间，允许我们处理缺失数据。大气污染物测量数据的应用表明，我们的方法是适合于准确的建模和预测的数据动态缺失值的存在。比较高斯线性状态空间模型和贝叶斯加性回归树显示了该模型的预测精度方面的优越性能。
2019-11-01 stat.ME
A multivariate extension of the Lorenz curve based on copulas and a related multivariate Gini coefficient
我们提出了一个扩展的单变量洛伦兹曲线和基尼系数的多变量的情况下，即，同时衡量多个变量的不平等。我们的扩展是基于copula和措施的不平等产生的不平等，在每个单一的变量，以及不平等产生的依赖结构的变量。我们得出简单的非参数估计这两种工具，并将其应用到个人收入和财富的数据为各个国家的示范。
2022-04-22 math.ST stat.ME stat.TH
A copula transformation in multivariate mixed discrete-continuous models
Copula允许对复杂的依赖结构以及各种边缘分布进行灵活且同时的建模。特别是如果密度函数可以表示为边际密度函数和copula密度函数的乘积，这将导致对条件分布的直观解释和方便的估计过程。然而，这不再是混合离散和连续边缘分布的copula模型的情况下，因为相应的密度函数不能很好地分解。在本文中，我们介绍了一种Copula变换方法，允许表示的密度函数的分布与混合离散和连续的边际产品的边际概率质量/密度函数和Copula密度函数。利用所提出的方法，可以解析地描述条件分布，并且可以根据所使用的copula类型来减少估计过程中的计算复杂度。
2020-08-27 stat.AP stat.ME
Objective priors for the number of degrees of freedom of a multivariate t distribution and the t-copula
提出了一种估计多变量$t$分布和$t$ -copula的自由度数$(ν)$的客观贝叶斯方法。对于多变量$t$和由于没有任何方法，对于$t$ -copula，对这个参数的推断是有问题的。采用了基于损失函数的客观标准，可以克服直接定义客观概率的问题。$ν$的先验的支持被截断，这来自于多变量$t$和$t$ -copula对于足够大的自由度收敛到正态的性质。先验的性能进行了测试模拟场景。R代码和复制材料可作为论文电子版的补充材料和真实数据：IBM和证券价格数据库研究中心的每日对数回报。
2018-03-13 stat.AP stat.ME
A copula-based model for multivariate ordinal panel data: application to well-being composition
本文提出了一种新的基于Copula函数的多变量面板序模型来估计幸福感各组成部分之间的结构关系。每个有序的时间序列建模使用基于Copula的马尔可夫模型在每个观察时间的响应的边缘分布，然后，在每个观察时间，每个有序的时间序列的条件分布加入使用多变量t Copula。采用基于随机化准蒙特卡罗方法求似然的多维积分的最大模拟似然法进行估计。渐近计算表明，我们的方法是几乎一样有效的极大似然完全指定的多元copula模型。我们的研究结果强调了一个人的相对位置在评估他们的福祉没有直接影响的社会经济特征的福祉，但强大的间接影响，通过其对福祉的组成部分的影响。时间弹性，习惯形成和行为特征可以解释随着时间的推移和跨幸福组成部分的联合尾巴的依赖性。
2017-05-31 stat.AP stat.CO stat.ME
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
Vector Vine Copula Models for Multivariate Longitudinal Data
Melbourne Business School, University of Melbourne（墨尔本商学院，墨尔本大学）
本文提出向量可绘制藤（VD-vine）连接函数模型，将传统藤扩展到向量节点以处理多元纵向数据的非高斯边际和非线性序列依赖，通过递归条件传输实现高效推断，并在模拟和八波澳大利亚面板数据中验证了其预测优势。
2026-09-18 econ.EM stat.ME
Dependence properties and Bayesian inference for asymmetric multivariate copulas
我们研究了由Liebscher（2008）引入的一大类非对称copula，它是多个通常是对称的copula的组合。本文的主要目的是提供新的理论性质，包括精确的尾部依赖表达式和稳定性。进一步研究了由Fréchet copulas组合得到的Liebscher copulas的一个子类。我们建立了进一步的依赖性质，这一类的Copula，并表明，他们的特点是由一个任意数量的奇异分量。此外，我们引入了一种新的迭代表示一般Liebscher copula，事实上确保一致的利润率，从而放松了Liebscher的原始建设的约束。此外，我们证明了这种迭代构造是有用的推理，通过开发一个近似贝叶斯计算抽样方案。这一推理过程证明了模拟数据。
2019-06-26 math.ST stat.ME stat.TH
Vine copula based likelihood estimation of dependence patterns in multivariate event time data
在许多研究中，多变量事件时间数据是从具有可能复杂的关联模式的聚类中生成的。需要灵活的模型来捕捉这种依赖性。藤系联结就是为了这个目的。对于完整的数据，可以使用葡萄系连接函数的推断方法。然而，事件时间数据经常受到右删失的影响。因此，需要调整现有的推断工具，例如似然估计。提出了一种两阶段估计方法。首先，对边缘分布进行建模。第二，依赖结构建模的葡萄Copula估计通过似然最大化。由于右截尾的单重和二重积分出现在Copula似然表达式中，因此需要数值积分来评估。对于依赖建模的序贯估计的方法，促进了似然优化的计算挑战。三维仿真研究提供了证据，所提出的方法具有良好的有限样本性能。使用四维乳腺炎的数据，它示出了如何选择一个合适的葡萄系函数模型的数据在手。
2017-07-22 stat.AP stat.ME
A Copula Model for Non-Gaussian Multivariate Spatial Data
本文提出了一种新的多变量复制空间数据的copula模型。与传统的模型，假设多元正态性的数据，建议copula是基于这样的假设，即存在一些因素，影响联合空间依赖的所有测量的每个变量，以及这些变量之间的联合依赖。该模型是参数化的交叉协方差函数，可以从文献中提出的许多模型中选择。此外，在模型中存在附加因子，其允许对在不同位置处测量的每个变量和不同变量的尾部依赖性和反射不对称性进行建模。因此，所提出的方法可以被看作是一个扩展的线性模型coregionalization广泛用于多变量空间数据建模。该模型的似然可以以简单的形式获得，因此似然估计相当快。该模型不限于数据位置的集合，并且使用估计的copula，空间数据可以在变量值未知的位置处插值。我们将该模型应用于温度和压力数据，并将其性能与多变量地质统计学的流行模型的性能进行比较。
2018-10-10 stat.AP stat.ME
Efficient estimation of high-dimensional multivariate normal copula models with discrete spatial responses
分布变换（DT）是用于估计具有离散响应的高维多元正态copula模型的计算方法之一。它的优点是在连续边际copula模型的理论下可以方便地推导出似然函数，但对该方法的适用性还没有明确的分析。我们调查的小样本和渐近有效性的方法估计高维多元正态Copula模型与单变量Bernoulli，泊松，负二项利润，并显示DT近似导致有偏估计时，有更多的离散。对于一个高维离散响应，我们实现了最大模拟似然方法，这是基于评估的多维积分的可能性与随机化的准蒙特卡罗方法。效率计算表明，我们的方法几乎是有效的极大似然充分指定的高维多元正态copula模型。这两种方法都说明了空间聚集计数数据集，它表明，有一个很大的增益，通过最大模拟似然法的效率。
2015-01-20 stat.AP stat.CO stat.ME
Stationary vine copula models for multivariate time series
多元时间序列表现出两种类型的相关性：跨变量和跨时间点。藤连接函数是依赖关系的图形模型，可以方便地在同一个模型中捕获两种类型的依赖关系。我们得到的最大类的图结构，保证平稳性下的一个自然的和可验证的条件称为平移不变性。我们提出了计算效率的方法估计，模拟，预测和不确定性量化，并通过渐近结果和模拟显示其有效性。理论结果允许错误指定的模型，甚至当专门的iid的情况下，超出了什么是在文献中。他们的证明是基于一般半参数矩估计法的新结果，这将是独立的利益。新的模型类说明了一个应用程序，预测回报的投资组合的20只股票，在那里他们表现出出色的预测性能。该文件是伴随着一个开放源代码的软件实现。
2022-03-14 stat.ME
Copula Modelling of Serially Correlated Multivariate Data with Hidden Structures
本文提出基于 copula 的多元 HMM 扩展，利用带理论依据的 EM 变体处理似然中的依赖结构，并通过数值实验与房屋入住分析验证方法。
2022-07-08 math.ST stat.CO stat.ME
