Simulated Method of Moments Estimation for Copula-Based Multivariate Models
基于 Copula 的多变量模型模拟矩估计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：摘要明确以股票收益检验尾部依赖及暴跌时的资产间依赖，对应尾部风险研究。
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
基于 Copula 的多变量模型模拟矩估计
- 研究问题
- 当 Copula 似然缺少闭式表达，或研究者关注特定依赖指标时，如何通过模拟矩估计参数，并检验模型对这些矩条件的适配？
- 方法与思路
- 作者结合模拟估计与经验 Copula 过程理论，构造包含矩估计和 GMM 的方法，分析一致性、渐近正态性及过度识别检验。
- 材料陈述的贡献
- 摘要称，理论适用于独立同分布和时间序列数据；七只股票收益应用发现显著尾部依赖，并有较弱证据显示暴跌时依赖更强。
- 阅读关注点
- 应核对矩或依赖指标的选择、模拟误差与样本量关系、时间依赖条件、过度识别检验，以及尾部不对称证据的统计力度。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化。摘要未给出具体矩条件或检验数值，暴跌与上涨的不对称关系仅有较弱证据。
原文摘要
This article considers the estimation of the parameters of a copula via a simulated method of moments (MM) type approach. This approach is attractive when the likelihood of the copula model is not known in closed form, or when the researcher has a set of dependence measures or other functionals of the copula that are of particular interest. The proposed approach naturally also nests MM and generalized method of moments estimators. Drawing on results for simulation-based estimation and on recent work in empirical copula process theory, we show the consistency and asymptotic normality of the proposed estimator, and obtain a simple test of overidentifying restrictions as a specification test. The results apply to both iid and time series data. We analyze the finite-sample behavior of these estimators in an extensive simulation study. We apply the model to a group of seven financial stock returns and find evidence of statistically significant tail dependence, and mild evidence that the dependence between these assets is stronger in crashes than booms. Supplementary materials for this article are available online.