具有离散边缘的 Copula 模型的变分贝叶斯估计及其在时间序列中的应用
统计方法学
2018-07-23 v2 计量经济学
机器学习
摘要
我们针对具有离散边缘或离散与连续混合边缘的高维 copula 提出了一种新的变分贝叶斯估计量。该方法基于对可处理的增广后验的变分近似，且比以往的基于似然的方法更快。我们用它来估计单变量与多变量 Markov 有序与混合时间序列的可绘制藤 copula。这些模型的维数为 ，其中 为观测数、 为序列数，且难以用以往方法估计。藤 pair-copula 经过精心选择以允许异方差性，这是大多数有序时间序列数据的特征。当与灵活的边缘结合时，所得时间序列模型还允许有序数据的其他常见特征，如零膨胀、多模态以及欠离散或过离散。利用六个示例序列，我们既说明了时间序列 copula 模型的灵活性，也说明了变分贝叶斯估计量对于维数高达 792、参数达 60 的 copula 的有效性。这远远超出了以往方法可估计的离散数据 copula 模型的规模与复杂度。
引用
@article{arxiv.1712.09150,
title = {Variational Bayes Estimation of Discrete-Margined Copula Models with Application to Time Series},
author = {Ruben Loaiza-Maya and Michael Stanley Smith},
journal= {arXiv preprint arXiv:1712.09150},
year = {2018}
}