Double Dynamic Max-Copula Model with Application to Financial Time Series
双动态最大 Copula 模型及其金融时间序列应用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：摘要以金融市场压力下的动态依赖和尾部依赖为核心，并包含金融市场关联应用。
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…
双动态最大 Copula 模型及其金融时间序列应用
- 研究问题
- 如何同时刻画金融市场依赖结构的时间变化与尾部依赖，并检验依赖参数是否随时间改变，以分析市场压力下的关联？
- 方法与思路
- 作者提出双动态最大 Copula 模型，采用最大复合剖面似然估计，构造依赖参数时变检验，并进行金融市场及组合应用。
- 材料陈述的贡献
- 摘要称，估计量具有一致性和渐近正态性，检验统计量有渐近分布；模拟展示灵活性，组合应用报告优于所用基准。
- 阅读关注点
- 应核对双动态结构及尾部依赖的参数化、复合似然推断条件、时变检验设定，以及组合比较的样本设计和评价指标。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断组合表现是否稳健或普遍适用；具体假设、成本处理与数值未说明，刊本变化不可推断。
原文摘要
Accurately modeling time-varying dependence structures is essential for financial market analysis, particularly during periods of market stress. Recognizing that traditional copula models often fail to jointly capture dynamic dependence and tail behavior, this article proposes a double dynamic max-copula (DDMC) model that accommodates time variation while effectively characterizing tail dependence. To estimate the model, we introduce a maximum composite profile likelihood estimator, and establish its consistency and asymptotic normality. We also propose a test statistic to check whether the dependence parameter is time-varying, and derive the asymptotic distribution of the proposed test statistic. Simulation studies confirm the flexibility and robustness of the proposed model. In an empirical application, we analyze the evolving interdependence between U.S. financial markets, demonstrating the model’s ability to capture dynamic relationships. Furthermore, in a portfolio optimization context, the DDMC-based portfolio consistently outperforms those generated by benchmark models.