基于paircopula的外汇投资组合风险分析概要.docVIP

浙江工商大学硕士学位论文 第四步:重复第二部求出正则藤分解中剩下的每棵树上的条件分布函数F(xl y作为观测值: 第五步:重复第三步估计出下一棵树上的Pair-Copula参数,知道估计出所有Pair-Copula函数的参数。 得到所有Pair-Copula函数的参数初始值后,通过令对数极大似然函数值最大化求得参数估计的终值,这样就可以求出n维联合密度函数f(xi,而,…%。 3.3高维联合分布下Pair-Copula模型的选择 Pair-Copula模型的建模过程主要有三个步骤:第一步,选择C藤或D藤作为Pair-Copula模型的分解结构;第二步,为每一棵树上的每对Pair-Copula模块选择合适的Copula函数类型;第三步,估计Pair-Copula函数的参数。 选择C藤或D藤,最简单的一个方法就是通过比较Kendall系数或Spearman 系数的大小,判断某个变量与其他变量的相关程度。因为C藤适用于当数据集中出现引导其他变量的关键变量,由于C藤必须先确定一个关键变量,限制了建模的自由度。而D藤适用于当数据集中的变量之间相互独立。由此可以看出,在高维情况下,更适合用D藤来建模,这样我们可以灵活的调整不同Pair-Copula 模块间的关系。 在确定了藤分解结构之后,接下来就要为每一对Pair-Copula模块选择合适的Copula函数类型,即图3-2中树T1上的q2