在工程、水文和金融等各学科的研究中,总是会遇到很多变量,研究这些相互纠缠的变量间的相关关系是各学科的研究的重点。虽然皮尔逊相关、秩相关等相关系数提供了变量间相关关系的粗略结果,但这些系数都存在着无法克服的困难。例如,皮尔逊相关系数只能反映变量间的线性相关,而秩相关则更多的适用于等级变量。大多数情况下变量间的相关性非常复杂,而且随着变量取值的变化而变化,而这些相关系数都是全局性的,因此无法提供变量间相关性变化的细节;更严重的是这些系数只提供了数值,对于变量间相关的具体结构和函数一无所知。
为了克服各种相关系数的缺点,基于Sklar定理的Copula理论被提出和发展。Copula不但可以提供不同取值范围内变量间相关的结构和函数细节,而且可以应用于相关时间序列及回归分析的研究中,大大拓展了回归及时间序列分析的适用范围。Copula理论一经提出就受到各个学科的广泛关注,现今在水文、工程、金融及环境领域得到广泛应用,已经成为这些领域的热门研究工具。
相对于相关系数,Copula理论比较深奥不易掌握,需要借助专门的软件或工具,运用规范的统计学方法才能得到正确的结果。
汪博士:长期从事统计学及水文分析研究及教学工作,对回归分析,贝叶斯及变量与变量间的关系等领域有深入的研究及实践应用经验。
1.R语言及相关性研究初步 | 1.1 R语言的基本操作 |
1.2 各类相关系数的区别及实现 | |
1.3 R语言中Copula相关包和函数 | |
2.二元Copula理论与实践(一) | 2.1 Sklar定理与不变性原理 |
2.2 椭圆分布与椭圆Copula | |
2.3 阿基米德Copula | |
3.二元Copula理论与实践(二) | 3.1 极值相依性与极值Copula |
3.2 Copula函数的变换:旋转与混合Copula | |
3.3 边缘分布估计:参数与非参数方法 | |
3.4 Copula函数的估计 | |
4.Copula函数的统计检验与选择 | 4.1相依性与对称性检验 |
4.2拟合优度的计算 | |
4.3极值相关性检验 | |
4.4模型选择 | |
5.高维数据与Vine Copula | 5.1 条件分布函数 |
5.2 C-Vine Copula | |
5.3 D-Vine Copula | |
6.正则Vine Copula(一) | 6.1图论基础与正则Vine树 |
6.2 正则Vine Copula族及其简化 | |
6.3 正则Vine Copula的模拟 | |
7.正则Vine Copula(二) | 7.1 Vine Copula的渐近理论与极大似然法估计 |
7.2 正则Vine Copula模型的选择 | |
7.3 模型比较 | |
8.时间序列中的Copula | 8.1时间序列理论初步(稳定性检验、相依性检验) |
8.2时间序列边缘分布的估计 | |
8.3 稳定时间序列的Copula | |
8.4动态(时变)Copula及非稳定时间序列 | |
9.Copula回归 | 9.1回归的基本理论与分类 |
9.2广义线性回归 | |
9.3 Copula回归 | |
9.4 答疑 |