Improved kernel estimation of copulas: Weak convergence and goodness-of-fit testing
Copula 的改进核估计：弱收敛与拟合优度检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用 Copula 估计与拟合优度检验，没有经济分布效应或金融尾部风险的明确应用依据，故留空。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
Copula 的改进核估计：弱收敛与拟合优度检验
- 研究问题
- 如何处理既有 Copula 核估计量的角点偏差，减少对模型族的严格限制，并建立可用于拟合优度检验的弱收敛结果？
- 方法与思路
- 作者分别通过随位置调整带宽的收缩因子和变量变换改进三类已有估计量，研究弱收敛、带宽选择及拟合优度检验应用。
- 材料陈述的贡献
- 摘要称改进方法处理典型角点偏差，并在多数 Copula 族满足的条件下建立弱收敛结果，同时讨论带宽和模拟表现。
- 阅读关注点
- 核对角点附近的光滑性要求、带宽收缩因子和变换规则，以及弱收敛所用条件与拟合优度检验的统计量和校准方式。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；允许的模型族及具体条件未列出，不能推断所有 Copula 均适用或具有普遍更优表现。
原文摘要
We reconsider the existing kernel estimators for a copula function, as proposed in Gijbels and Mielniczuk [Comm. Statist. Theory Methods 19 (1990) 445–464], Fermanian, Radulovič and Wegkamp [Bernoulli 10 (2004) 847–860] and Chen and Huang [Canad. J. Statist. 35 (2007) 265–282]. All of these estimators have as a drawback that they can suffer from a corner bias problem. A way to deal with this is to impose rather stringent conditions on the copula, outruling as such many classical families of copulas. In this paper, we propose improved estimators that take care of the typical corner bias problem. For Gijbels and Mielniczuk [Comm. Statist. Theory Methods 19 (1990) 445–464] and Chen and Huang [Canad. J. Statist. 35 (2007) 265–282], the improvement involves shrinking the bandwidth with an appropriate functional factor; for Fermanian, Radulovič and Wegkamp [Bernoulli 10 (2004) 847–860], this is done by using a transformation. The theoretical contribution of the paper is a weak convergence result for the three improved estimators under conditions that are met for most copula families. We also discuss the choice of bandwidth parameters, theoretically and practically, and illustrate the finite-sample behaviour of the estimators in a simulation study. The improved estimators are applied to goodness-of-fit testing for copulas.