Nonparametric Identification of Copula Structures
Copula 结构的非参数识别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：摘要是通用 Copula 结构检验，未明确涉及尾部风险、金融应用或分布效应。
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 结构的非参数识别
- 研究问题
- 如何以统一的非参数检验框架评估 Copula 的对称性、结合性、阿基米德性质及最大稳定性等常用结构假设？
- 方法与思路
- 作者基于经验 Copula 过程的渐近分布构造结构检验，通过模拟评估表现，并使用两个数据集展示检验方法的应用。
- 材料陈述的贡献
- 摘要提出覆盖多种 Copula 结构假设的统一检验框架，并称模拟显示该方法在样本量适度较大时具有可靠性和检验力。
- 阅读关注点
- 应核对各结构假设的精确定义、统计量及临界值计算、经验过程的适用条件，以及模拟中的尺寸控制和备择设计。
- 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。摘要未说明两个数据集的领域，也未提供样本依赖条件或数值表现。
原文摘要
We propose a unified framework for testing a variety of assumptions commonly made about the structure of copulas, including symmetry, radial symmetry, joint symmetry, associativity and Archimedeanity, and max-stability. Our test is nonparametric and based on the asymptotic distribution of the empirical copula process. We perform simulation experiments to evaluate our test and conclude that our method is reliable and powerful for assessing common assumptions on the structure of copulas, particularly when the sample size is moderately large. We illustrate our testing approach on two datasets.