主要内容

copulafit

适合的相关数据

描述

rhohat= copulafit(“高斯”,u)返回一个估计,rhohat矩阵的线性相关高斯相关参数,得到的数据u

例子

(rhohat,nuhat)= copulafit (“t”,u)返回一个估计,rhohat矩阵的线性相关参数t连系动词,自由度参数的估计,nuhat,考虑到数据u

(rhohat,nuhat,nuci)= copulafit (“t”,u)还返回一个近似95%置信区间,nuci自由度的估计nuhat

paramhat= copulafit (家庭,u)返回一个估计,paramhat介体的参数指定的类型的二元阿基米德接合部家庭,考虑到数据u

(paramhat,paramci)= copulafit (家庭,u)还返回一个近似95%置信区间,paramci,介体的参数估计paramhat

___= copulafit (___,名称,值)返回之前的任何语法,由一个或多个指定附加选项名称,值对参数。例如,您可以指定置信区间计算,或者指定迭代控制参数使用选择结构参数估计算法。

例子

全部折叠

加载和绘制模拟股票返回数据。

负载stockreturnsx =股票(:1);y =股票(:,2);图;scatterhist (x, y)

转换数据的接合部规模(单位平方)使用一个内核累积分布函数的估计量。

u = ksdensity (x, x,“函数”,“提供”);v = ksdensity (y y“函数”,“提供”);图;scatterhist (u, v)包含(“u”)ylabel (“v”)

适合t对数据的接合部。

rng默认的%的再现性(ρ,ν)= copulafit (“t”(u v),“方法”,“ApproximateML”)
ρ= 1.0000 0.7220 0.7220 1.0000ν= 2.6133 e + 06

生成的随机样本t连系动词。

r = copularnd (“t”ρ,ν,1000);u1 = r (: 1);v1 = r (:, 2);图;scatterhist (u1, v1)包含(“u”)ylabel (“v”甘氨胆酸)组(get (,“孩子”),“标记”,“。”)

将随机样本回到原始数据的规模。

x1 = ksdensity (x, u1,“函数”,“icdf”);日元= ksdensity (y, v1,“函数”,“icdf”);图;scatterhist (x1, y1)集(get (gca),“孩子”),“标记”,“。”)

输入参数

全部折叠

介体值,指定为一个矩阵的标量值范围(0,1)。如果u是一个n——- - - - - -p表示矩阵,那么它的值np维单位超立方体。如果u是一个n2矩阵,那么它的值表示n点在单位正方形。

如果你指定一个二元阿基米德接合部类型(“克莱顿”,“弗兰克”,或“甘力克”),然后u必须是一个n2矩阵。

数据类型:|

二元阿基米德接合部家庭,指定为以下之一。

“克莱顿” 克莱顿连系动词
“弗兰克” 弗兰克连系动词
“甘力克” 甘力克连系动词

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“阿尔法”,0.01,“法”、“ApproximateML”计算99%置信区间估计的相关参数,并使用一个近似方法以适应连系动词。

显著性水平为置信区间,指定为逗号分隔组成的“α”和一个标量值的范围(0,1)。copulafit返回近似100×(1α)%置信区间。

例子:“阿尔法”,0.01

数据类型:|

拟合方法t连系动词,指定为逗号分隔两人组成的“方法”,要么毫升的“ApproximateML”

如果您指定“ApproximateML”,然后copulafit符合一个t介体对大样本通过最大化的目标函数近似概要文件日志自由度参数的可能性[1]。这种方法可以显著快于最大似然(毫升的),但是估计和置信区间可能并不准确对于中小型的样本大小。

例子:“方法”、“ApproximateML”

控制参数规格,指定为逗号分隔组成的“选项”和一个选项创建的结构statset。使用的字段和默认值copulafit、类型statset (“copulafit”)在命令提示符。

这个名称-值对不适用时指定介体类型“高斯”

数据类型:结构体

输出参数

全部折叠

估计相关参数拟合高斯相关数据u,作为一个矩阵返回标量值。

估计自由度为拟合参数t连系动词,作为标量值返回。

自由度参数近似置信区间,作为1×2返回标量值的矩阵。第一列包含下边界,第二列包含了上限。默认情况下,copulafit返回近似95%置信区间。您可以指定一个不同的置信区间使用“α”名称-值对。

估计的相关参数拟合阿基米德接合部,作为标量值返回。

介体参数近似置信区间,作为1×2返回标量值的矩阵。第一列包含下边界,第二列包含了上限。默认情况下,copulafit返回近似95%置信区间。您可以指定一个不同的置信区间使用“α”名称-值对。

算法

默认情况下,copulafit使用最大似然适合接合部u。当u包含数据转化为单位超立方体边际累积分布函数的参数估计,这是众所周知的推理功能的利润率(IFM)方法。当u包含数据改变了经验cdf(见ecdf),这被称为规范最大似然(CML)

引用

[1]Bouye E。,V. Durrleman, A. Nikeghbali, G. Riboulet, and T. Roncalli. “Copulas for Finance: A Reading Guide and Some Applications.” Working Paper. Groupe de Recherche Opérationnelle, Crédit Lyonnais, Paris, 2000.

版本历史

介绍了R2007b