Vector copulas
向量 CopulaAI 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：摘要明确以国际金融传染展示向量间依赖建模，直接关联金融系统性风险，但未说明专门的尾部结论。
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
向量 Copula
- 研究问题
- 给定多个多元边缘分布时，如何刻画随机向量之间的非线性或秩依赖，同时允许各向量内部存在依赖结构？
- 方法与思路
- 作者基于测度运输理论定义向量 Copula，建立向量版 Sklar 定理，并构造椭圆与 Kendall 家族、密度及数据生成算法。
- 材料陈述的贡献
- 摘要称理论支持用向量 Copula 表示向量间依赖，并构造具有指定、不重叠多元边缘的联合分布，另以金融传染作示例。
- 阅读关注点
- 应核对向量版 Sklar 定理的存在性与唯一性条件、秩依赖的定义，以及各家族和生成算法能表达的依赖范围。
- 阅读边界
- 仅据所给出版社摘要；金融传染分析被描述为简化示例，不能据此判断真实系统性风险识别能力或尾部刻画效果。
原文摘要
This paper introduces vector copulas associated with multivariate distributions with given multivariate marginals, based on the theory of measure transportation, and establishes a vector version of Sklar’s theorem. The latter provides a theoretical justification for the use of vector copulas to characterize nonlinear or rank dependence between a finite number of random vectors (robust to within vector dependence), and to construct multivariate distributions with any given non-overlapping multivariate marginals. We construct Elliptical and Kendall families of vector copulas, derive their densities, and present algorithms to generate data from them. The use of vector copulas is illustrated with a stylized analysis of international financial contagion.