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