Copula熵方法及其在三变量洪水频率计算中的应用

为解决传统Copula方法在进行联合概率分布拟合过程中要先进行函数类型选择的问题,将Copula函数和最大熵原理进行耦合,通过求解具有最大熵的Copula方程,求得二维联合分布函数,即Copula熵方法。用求得的Copula函数对洪水事件的3个相关变量(洪峰流量、洪水总量和洪水历时)进行两两配对的二维联合分布拟合,并利用Gibbs采样方法和Copula函数实现三变量洪水事件的随机模拟。以淮河鲁台子水文站的实测洪水资料为研究对象,进行实例分析,并通过拟合优度的计算,证明Copula熵方法对多维相关变量概率拟合的有效性以及Gibbs采样方法在三变量洪水事件模拟过程中的有效性。     

广义copula的存在理论

copula函数是把多维随机变量的联合分布用其一维边际分布连接起来的函数.基于著名的Sklar定理中联合分布函数与边际分布函数的关系,从图像重构的角度,提出广义copula的概念,并从理论上证明了它的存在性,给出了相关的性质,为广义copula的应用提供了相应的基础.     

柯西分布概率模型的copula分布估计算法

分析柯西分布函数的特性,说明在众多连续型分布函数下,在copula分布估计算法中建立柯西分布概率模型的可行性。通过描述柯西分布以及逆累积分布函数的采样,给出柯西分布函数参数不同的估计方法,得到相应的采样及完整的分布估计算法．进行仿真实验比较柯西分布概率模型的copula分布估计算法和经验分布概率模型的copula分布估计算法,说明柯西分布概率模型的copula分布估计算法的有效性。     

基于LASSO回归的R-vine copula模型构建及其在化工过程故障检测中的应用

Vine copula模型在描述高维数据间的非线性、非高斯特性相依关系问题上提供了一种新的思路，在化工过程建模领域受到越来越多关注。笔者将LASSO(least absolute shrinkage and selection operator)回归引入R-vine copula(LASSO-R-vine copula, LRVC),根据变量间联系的强弱程度确定变量在R-vine矩阵中的位置，利用回归分析正则化路径选择R-vine copula矩阵结构，遵循R-vine矩阵构建规则和回归过程确定R-vine结构矩阵模型，以获得一个与变量独立性有关的稀疏矩阵模型。该方法构建的矩阵结构独立于copula函数类型和参数，在处理高维度复杂工业过程数据时，利用稀疏模型和惩罚力度简化copula函数类型选择过程，缩短了建模时间，使统计建模具有更强的灵活性。该方法在TE(Tennessee Eastman)和醋酸脱水过程故障监测中表现出较好的预测效果，证明了提出的方法在非线性、非高斯过程的有效性。     

服从FGM Copula的实值重尾随机游动的局部Max-Sum等价

该文考虑了服从FGM copula的实值重尾随机游动.在边缘分布满足一定条件下,利用局部重尾分布理论和FGM copula的有关性质研究了部分和的尾分布局部渐近性质,进而将在该相依结构下重尾随机游动的局部Max-Sum等价成立的范围由正实数推广到全体实数情形.该结果在风险理论中具有一定的应用价值.     

基于Copula函数的相依部件表决系统的可靠性研究

在可靠性理论中，部件相互独立是相依的特殊情况．可靠性数学研究系统的可靠性时，都是在假设部件之间相互独立的条件下进行的．本文应用Copula函数研究部件相依时表决系统的可靠性，分析系统的可靠度与Copula函数间的关系，揭示部件相依关系对表决系统可靠度的影响规律．     

对偶copula的界及其性质

介绍了对偶Copula ^C与copula的关系，推导出了它的上、下界以及它在某个单点值给定时的界，最后讨论了^C的随机变量经过单调变换后^C的一些重要性质。     

从类型学看名词性谓语判断句

判断句是语言中共有的表达判断概念的小句.就名词性谓语类型的判断句而言, 不同语言中判断句的构成具有不同特点.判断句中判断词的使用情况变数多,而且复杂.对各种语言的调查结果显示:判断句的判断命题是取决于句中名词性谓语的语义,判断词只有语法功能,并无语义内涵.     

基于GARCH-NIG模型和动态Copula的双标的型期权定价(英文)

结合动态copula和GARCH模型,发展了双标的型未定权益的定价方法.针对诸如非对称、 尖峰态和厚尾现象等各种金融中的固有因素,采用NIG分布拟合于残差量.而标的资产之间的相关结构由动态copula来刻画.以上海证券指数和深圳证券指数为双标的资产最大认购期权为例,理论方法得到了有效的实证结果.     

Copula函数在风险价值中的应用

为了解决投资组合中风险价值的计算问题，常规的方法是假设多个资产收益序列或风险因子的联合分布服从多元正态分布，然后用Var方法来解决这个问题．而这种假设经常与实际相违背，为了更好地解决这个同题，基于Copula函散从结构上能较好的拟合随机变量的联合分布，将利用阿基米德Copula函散的性质来对传统Var方法进行改进．通过实例来说明选取最优Copula函散的方法，从而可以更好地规避风险。     

基于G-H分布的copula-SMR方法

将阿基米德copula应用于谱风险度量（SMR）,提出了一种新的风险度量方法（copula-SMR方法）。选取G-H分布对边缘分布进行建模,采用极大似然估计对给定的阿基米德copula进行参数估计,选择能更好拟合实际数据的copula函数,运用二次规划方法,计算相应的谱风险值,确定了在不同期望收益率下最优投资组合。     

用copula度量相依风险函数玩尺的最优界

copula（连结函数）已经成为风险管理领域强有力的工具，该文利用copula手段给出了相依风险函数缈（X1，…，Xn）的最优界，并对沪、深两市的收益率风险进行了实证分析，把Laplace分布作为边际分布计算出了相应的上界和下界，最后讨论了不同类的copula以及参数选取对界的影响．     

基于时变pair-copula的多资产投资组合VaR分析

在对资产组合的研究中采用pair-copula法构建了反映多个资产收益实际分布和相依性的联合分布函数,对每个pair-copula用二元时变copula替换原先的二元静态copula得到时变pair-copula,并结合蒙特卡洛模拟技术,给出投资组合的风险价值VaR的计算方法,最后通过实证分析验证了该模型的有效性和优越性.     

沪深股市的二元风险模型

在风险预测建模中，copula有着非常重要的应用。本文运用copula建立了预测沪深股市风险的二元模型，该模型包括参数估计和对不同copula参数族进行择优的准则与方法。     

Copula EDA与BP结合优化神经网络

分布估计算法是一种新的种群进化算法,通过建立概率模型得到新的个体,copula分布估计算法是将copula理论与分布估计算法结合,提高估计的精确性和效率。针对分布估计算法全局收敛的特点,与BP算法结合可以避免BP算法易陷入局部极值点的缺陷,同时可以使优化结果更加精确。本文采用copula EDA与BP算法的两种结合模式来优化神经网络的权值和阈值,并且比较两种结合模式。可以得出,copula分布估计算法与BP算法融合可以提高收敛速度和精确性。     

一种新的期货组合动态保证金设定模型与实证研究

基于风险基础保证金设定原理,利用pair copula构建方法,提出一种新的期货组合的动态保证金设定模型.该模型能够灵活地捕捉到两两期货合约间的尾部相依特征,并充分考虑到不同期货合约间的风险对冲,这对于描述市场极端事件的发生提供了较准确的度量.实证结果表明,当前期货交易所设定的保证金水平明显偏高,而该动态保证金设定模型能较好地反映市场风险的变化,进而得到合理的逐日保证金水平.     

衡量金融风险相关性的Copula熵方法

正态检验的不理想和偏度及峰度的存在使得用基于多元正态分布的假设及线性相关系数研究相关性受到质疑,为此应用信息熵结合Copula理论建立了Copula熵函数.与信息论中互信息等相关性衡量指标相比较,其具有不受维数限制、有量纲、能捕捉非线性相关关系等优点.结合经济圈理论进行了数据验证,表明了该方法的可行性和有效性.     

信息论与热力学函数

介绍了信息论的有关概念和最大信息量公式,阐明了“不确定性”Ｕ是一种状态函数,它与热力学的状态函数相当,并导出了维纳（Ｎ．Ｗｉｅｎｅｒ）关于信息量是负熵变的公式,由此得到熵函数的信息论表达式：Ｓ＝－ｋｎｉ＝１ＰｉｌｎＰｉ．从上式出发,用信息论的方法导出了统计熵的公式（正则系综）：Ｓ＝ｋＴｌｎΦＴＶ＋ｋｌｎΦ．该式和统计热力学方法导出的Ｓ公式完全一致．并进一步导出了体系的自由能Ｇ、焓函数Ｈ、功函Ａ、内能ｕ等热力学函数的配分函数表达式．表明可以用信息论的方法和原理来讨论化学热力学的问题,从而阐明了现代科学技术的综合化发展的趋势．     

测量误差理论的信息论诠释

基于信息理论和测量误差有关理论，分析了随机变量信息熵与方差的关系，认为信息熵可以作为测量结果精度的测度；误差传播定律是高斯信源、信道下信息传播的特例．     

双变量生存数据之间的关联评估(英文)——一种基于Copula的方法

生存时间之间的关联分析引起许多从事生物与医学领域研究者的兴趣.这种分析的目的是利用Coupla方法调查在蒙特卡罗适度审查背景下,双变量生存数据之间的关联.该文利用皮尔森关联系数去估计双变量失败数据之间的关联.研究结果表明:当审查百分比低时,基于Gubel的估计方法更为鲁棒,而且正关联越强,分别用审查百分比是0%和30%所估计的结果越精确.这对基于Frank,Gumbel和Clayton的估计方法是正确的,甚至在Copula假设条件下真实情形也成立.