Implicit Copulas: An Overview
隐式 Copula 概览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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要特别讨论时间序列 Copula，并明确列出宏观时间序列与金融资产定价应用，支持这两个最直接的分类。
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
隐式 Copula 概览
- 研究问题
- 如何利用隐式 Copula 描述高维依赖关系，并在连续、离散或混合数据中处理参数识别、模型简约性、估计与预测问题？
- 方法与思路
- 作者综述椭圆、偏斜 t、因子、时间序列及回归 Copula，说明共同的辅助表示、贝叶斯估计方法，并重点讨论时间序列和回归过程构造。
- 材料陈述的贡献
- 摘要称，该综述展示隐式 Copula 辅助表示在可扩展性与计算处理上的作用，并以宏观时间序列和金融资产定价应用说明其用途。
- 阅读关注点
- 应核对不同 Copula 的依赖限制、离散或混合数据似然与参数识别，以及应用中模型优势所依据的比较标准和预测评价。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列明各模型的具体条件或应用结果，综述性介绍不能证明普遍优势。
原文摘要
Implicit copulas are the most common copula choice for modeling dependence in high dimensions. This broad class of copulas is introduced and surveyed, including elliptical copulas, skew $t$ copulas, factor copulas, time series copulas and regression copulas. The common auxiliary representation of implicit copulas is outlined, and how this makes them both scalable and tractable for statistical modeling. Issues such as parameter identification, extended likelihoods for discrete or mixed data, parsimony in high dimensions, and simulation from the copula model are considered. Bayesian approaches to estimate the copula parameters, and predict from an implicit copula model, are outlined. Particular attention is given to implicit copula processes constructed from time series and regression models, which is at the forefront of current research. Two econometric applications -- one from macroeconomic time series and the other from financial asset pricing -- illustrate the advantages of implicit copula models.