A Nonparametric Bayesian Estimator of Copula Density with Applications to Financial Market
Copula 密度的非参数贝叶斯估计及金融市场应用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：摘要明确强调尾部估计表现，并列出金融风险管理与期权定价应用。
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…
关注这篇论文的作者
Copula 密度的非参数贝叶斯估计及金融市场应用
- 研究问题
- 如何灵活估计 Copula 密度、缓解边界问题并进行后验抽样，以支持金融依赖、风险管理和期权定价分析？
- 方法与思路
- 作者在潜在函数上设置灵活的高斯过程先验，通过变换在无约束支持集上建模，再反变换得到后验 Copula 密度并设计采样器。
- 材料陈述的贡献
- 摘要称模拟显示估计器在整体与尾部表现良好、后验采样有效率，并通过金融依赖、风险管理和期权定价应用展示用途。
- 阅读关注点
- 应核对变换后的密度是否满足 Copula 边际约束、先验与超参数设定，以及尾部评价、后验采样和金融应用的基准选择。
- 阅读边界
- 解读限于所给 OpenAlex 摘要；摘要未说明约束实现、理论保证、尾部误差数值及定价效果，不能认定方法普遍优于其他估计器。
原文摘要
We propose a nonparametric Bayesian estimator of copula density based on the Logistic Gaussian Process density estimation method. A Gaussian process prior with flexible mean and covariance functions is placed on the underlying latent function. To avoid the typical boundary issues in copula density estimation, a transformation approach is adopted, allowing the latent process to be defined on an unrestricted support and then back-transformed to obtain the posterior copula density. We also develop a sampler to facilitate efficient sampling from the posterior copula distribution. Monte Carlo simulations demonstrate the strong overall and tail performance of the proposed estimator and the efficiency of the posterior sampler. We illustrate the usefulness of the proposed estimator through applications in financial dependence analysis, risk management, and option pricing.