Estimation of Copulas via Maximum Mean Discrepancy
基于最大均值差异的 Copula 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：摘要研究一般 copula 稳健估计，未直接涉及分布效应、金融尾部风险或其他所列领域对象。
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…
基于最大均值差异的 Copula 估计
- 研究问题
- 参数化 copula 模型在异常值或模型误设下如何稳健估计，并如何对没有通常 Lebesgue 密度的 copula 开展推断？
- 方法与思路
- 作者以最大均值差异作为估计准则，推导非渐近 oracle 不等式、一致性与渐近正态性，并模拟比较伪最大似然方法。
- 材料陈述的贡献
- 摘要称 oracle 不等式不要求特定 copula 族假设，可用于异常值与误设情形，并使部分无密度模型的推断可行，另提供 R 包。
- 阅读关注点
- 应核对核函数选择、边际分布处理、污染设定，以及 oracle 不等式与一致性、渐近正态性各自需要的不同条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，无法判断刊本变化；oracle 不等式的弱要求不代表全部渐近结论无条件成立，也未提供普遍稳健优势。
原文摘要
This article deals with robust inference for parametric copula models. Estimation using canonical maximum likelihood might be unstable, especially in the presence of outliers. We propose to use a procedure based on the maximum mean discrepancy (MMD) principle. We derive nonasymptotic oracle inequalities, consistency and asymptotic normality of this new estimator. In particular, the oracle inequality holds without any assumption on the copula family, and can be applied in the presence of outliers or under misspecification. Moreover, in our MMD framework, the statistical inference of copula models for which there exists no density with respect to the Lebesgue measure on [0,1]d, as the Marshall-Olkin copula, becomes feasible. A simulation study shows the robustness of our new procedures, especially compared to pseudo-maximum likelihood estimation. An R package implementing the MMD estimator for copula models is available. Supplementary materials for this article are available online.