HIDDEN MARKOV STRUCTURES FOR DYNAMIC COPULAE
动态 Copula 的隐马尔可夫结构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：摘要研究多维时间序列的动态依赖，并明确包含汇率数据的风险价值应用。
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…
动态 Copula 的隐马尔可夫结构
- 研究问题
- 如何描述多维依赖结构的区制切换动态，同时容纳厚尾、非对称与非线性依赖，并用于汇率风险分析和降雨过程建模？
- 方法与思路
- 作者将隐马尔可夫模型与层级阿基米德 Copula 结合，通过 EM 算法估计参数，分析参数及依赖结构一致性并开展两类应用。
- 材料陈述的贡献
- 摘要称，模型可灵活描述多维非高斯时间序列，并建立参数和 Copula 结构一致性；汇率应用包含风险价值分析和预测性能比较。
- 阅读关注点
- 应核对隐状态、层级结构与参数的识别条件，EM 算法实现及一致性范围，并查看风险价值预测比较和降雨数据的特殊处理。
- 阅读边界
- 本导读仅据所给 Crossref 摘要；状态数量选择、预测比较结果和风险价值校准细节摘要未说明，不能据此声称预测优于其他模型。
原文摘要
Understanding the time series dynamics of a multi-dimensional dependency structure is a challenging task. Multivariate covariance driven Gaussian or mixed normal time varying models have only a limited ability to capture important features of the data such as heavy tails, asymmetry, and nonlinear dependencies. The present paper tackles this problem by proposing and analyzing a hidden Markov model (HMM) for hierarchical Archimedean copulae (HAC). The HAC constitute a wide class of models for multi-dimensional dependencies, and HMM is a statistical technique for describing regime switching dynamics. HMM applied to HAC flexibly models multivariate dimensional non-Gaussian time series. We apply the expectation maximization (EM) algorithm for parameter estimation. Consistency results for both parameters and HAC structures are established in an HMM framework. The model is calibrated to exchange rate data with a VaR application. This example is motivated by a local adaptive analysis that yields a time varying HAC model. We compare its forecasting performance with that of other classical dynamic models. In another, second, application, we model a rainfall process. This task is of particular theoretical and practical interest because of the specific structure and required untypical treatment of precipitation data.