基于 Python 的二元及 Vine Copula 方法实践

估计不同变量间的关系是科学研究的主要问题之一， Copula 理论是目前最受欢迎及热门的研究方

法之一。 Copula 理论牵涉极多高深的统计学理论且实现 Copula 分析代码也需要一定的编程能

力，因此完成 Copula 的相关分析极不容易

一：多元分布与 Copulas

1.1 多元分布及其性质

1.2 Sklar’s 理论与 Copula

1.3 椭圆 Copula

1.4 经验 Copula 逼近

1.5 不变原理与元分布

1.6 二元条件分布的 Copula 表示

二：相依性度量

2.1 三种相关系数及其区别

2.2 尾部相关性

2.3 偏相关与条件相关

三：二元 Copula 族及其估计

3.1 二元 Copula 的构造

3.2 旋转与反射 Copula

3.3 Copula 与（尾部）相关系数的关系

3.4 基于二元 Copula 的多元分布模拟

3.5 二元 Copula 的参数估计

3.6 条件二元 Copula

四：成对 Copula 分解与构造

4.1 多元分布函数的成对分解

4.2 D 和 C Vine Copula

4.3 多元分布函数的条件分布函数

五：正则 Vines 基础

5.1 基础图论

5.2 正则 Vine 树序列

5.3 正则 Vine 分布与 Copula

5.4 正则 Vines 矩阵

5.5 正则 Vines Copula 的模拟

六：正则 Vines Copula 的估计、选 择与比较

6.1 正则 Vines Copula 的参数估计（极大似然法、矩估计

与序贯估计）

6.2 参数正则 Vine Copula 的渐近理论

6.3 Vine Copula 的选择与“TOP-DOWN”算法

6.4 Vine Copula 比较与检验

例子：指数中的相依性

7.1 数据描述与简介

7.2 边缘分布模型

7.3 指数数据的重表示

7.4 指数中的相依结构

7.5 指数模型比较与选择

7.6 总结与结论

7.7 Python 的 Copula 相关包介绍

V：qianyongwangzhiqian