Inhomogeneous Dependence Modeling with Time-Varying Copulae
利用时变Copula刻画非齐次依赖关系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：摘要直接将时变Copula用于金融收益依赖建模和投资组合在险价值估计，核心应用是组合尾部风险度量。
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…
利用时变Copula刻画非齐次依赖关系
- 研究问题
- 金融收益的多变量时间序列存在动态且非高斯的依赖关系时，如何刻画其随时间变化的联合分布，并评估投资组合的在险价值？
- 方法与思路
- 作者使用参数随时间变化的Copula函数刻画收益分布，并对参数进行自适应估计，再将所得依赖模型用于投资组合在险价值估计。
- 材料陈述的贡献
- 摘要称，时变Copula模型用于组合在险价值估计时，相较RiskMetrics表现更好；摘要未给出具体改进幅度或评价指标。
- 阅读关注点
- 应核对Copula族的选择、时变参数的自适应估计规则、边际分布处理，以及在险价值回测标准和与RiskMetrics比较的公平性。
- 阅读边界
- 摘要未说明资产样本、置信水平、预测期或回测结果；较好表现是作者所报告的比较结论，不能据此推断极端行情中的普遍优势。
原文摘要
Measuring dependence in multivariate time series is tantamount to modeling its dynamic structure in space and time. In risk management, the nonnormal behavior of most financial time series calls for non-Gaussian dependences. The correct modeling of non-Gaussian dependences is, therefore, a key issue in the analysis of multivariate time series. In this article we use copula functions with adaptively estimated time-varying parameters for modeling the distribution of returns. Furthermore, we apply copulae to the estimation of Value-at-Risk of portfolios and show their better performance over the RiskMetrics approach.