Bayesian Hierarchical Copula Models with a Dirichlet-Laplace Prior
采用 Dirichlet–Laplace 先验的贝叶斯层级 Copula 模型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：摘要明确建模金融时间序列的分组依赖，但未具体研究资产定价、波动率或尾部风险。
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
采用 Dirichlet–Laplace 先验的贝叶斯层级 Copula 模型
- 研究问题
- 在对多组金融时间序列建立层级 Copula 模型时，如何避免已有先验造成后验不适定，并容纳不同组之间的潜在依赖？
- 方法与思路
- 作者采用适定的全局—局部收缩先验替换存在问题的先验，在层级 Copula 框架中处理组间依赖，并开展模拟和真实数据分析。
- 材料陈述的贡献
- 摘要指出已有方法的先验并不总能得到适定后验，提出替代先验以规避这一问题，同时展示新模型在模拟与实证中的表现。
- 阅读关注点
- 应核对原先验导致后验不适定的情形、新先验保障适定性的论证，以及组内和组间依赖的参数化与收缩机制。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明 Copula 类型、后验适定证明或比较结果，也未报告尾部风险目标。
原文摘要
We discuss a Bayesian hierarchical copula model for clusters of financial time series. A similar approach has been developed in recent paper. However, the prior distributions proposed there do not always provide a proper posterior. In order to circumvent the problem, we adopt a proper global-local shrinkage prior, which is also able to account for potential dependence structures among different clusters. The performance of the proposed model is presented via simulations and a real data analysis.