A semiparametric Bayesian estimator of copula density
Copula 密度的半参数贝叶斯估计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：摘要研究通用依赖密度估计，虽有商品期货应用，但未明确涉及定价、波动率或尾部风险，故不强行分类。
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…
Copula 密度的半参数贝叶斯估计
- 研究问题
- 如何兼顾参数 copula 对依赖结构的概括与非参数调整的灵活性，并在密度可能无界时实现可计算的贝叶斯估计？
- 方法与思路
- 作者以广义指数族结合基准 copula 与高斯过程调整，联合估计基准权重和超参数，并构造重要性抽样后验采样器。
- 材料陈述的贡献
- 摘要称，基准部分可容纳可能无界的密度，模拟展示估计和采样的有效性，并以商品期货市场说明方法应用。
- 阅读关注点
- 应核对调整后的密度如何满足 copula 约束、基准权重与高斯过程的识别，以及重要性权重和后验采样的稳定性。
- 阅读边界
- 摘要未说明理论收敛性质、尾部刻画或模拟改进幅度，商品期货应用也不足以推出风险结论；仅据所给出版社摘要。
原文摘要
We propose a semiparametric Bayesian estimator for copula density, formulated as a generalized exponential family that combines a parametric baseline copula with a flexible adjustment modeled by a Gaussian Process (GP). The baseline captures the main features of dependence and accommodates possibly unbounded densities, while the GP component introduces nonparametric refinement. To modulate the influence of the baseline, we further introduce a tuning parameter that adjusts its weight in the final estimate. Both the GP hyperparameters and this tuning parameter are inferred jointly within a Bayesian framework. We also present a posterior sampler based on importance sampling, with the baseline copula serving as a natural approximating distribution. Simulations demonstrate the efficacy of the proposed estimator and the efficiency of the sampler. The method is further illustrated with an application to commodity futures markets.