最新要闻
- 今亮点!女子熬夜看《狂飙》:患高启强同款干眼症
- 世界热头条丨逆天 韩国学生用ChatGPT写论文“喜”提0分 校方:剽窃!
- 快资讯:再续一个月:《阿凡达:水之道》再次宣布延长上映
- 28款CPU性能实测:Intel实力屠榜 AMD游戏神U赢回面子
- 全球消息!全国首座高速公路重卡充换电站亮相:电池包350kWh 3分钟自动换电
- 环球视点!无损压缩鼻祖去世了 没有他就没有今天的Zip、PNG、PDF
- 当前观点:博主“科普”鲸鱼会假装搁浅吸引人来救 博物杂志辟谣:九死一生
- 天天快讯:行驶中会“熄火” 大众召回超2万辆ID.4电动车
- 世界报道:欧洲玩家吐槽《霍格沃茨之遗》捏脸系统:最浅的皮肤选项依然很深
- 情人节必备:德芙香浓黑巧12元/碗大促
- 逃离银河系!科学家在仙女星系中发现银河移民
- 世界快播:山东女子中淘宝彩票锦鲤:直播1小时刮594张彩票 中7170元
- 天天滚动:骁龙8+满血版、残血版差价非常大 一加揭秘:能差1个亿
- 防止技术垄断:昆仑万维宣布将在年内开源类ChatGPT代码
- 微头条丨女子带汉堡进星巴克被拦 称味道大会影响其他顾客 网友抵制
- 微信数据再多都够用 真我GT Neo5 1TB干到3499元:旗舰射门员
手机
iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?
警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案
- iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?
- 警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案
- 男子被关545天申国赔:获赔18万多 驳回精神抚慰金
- 3天内26名本土感染者,辽宁确诊人数已超安徽
- 广西柳州一男子因纠纷杀害三人后自首
- 洱海坠机4名机组人员被批准为烈士 数千干部群众悼念
家电
Copula
Copula
金融数据常体现相关性,传统多元分析的统计方法通常假设联合正态分布,然而这种做法的局限性很强,因为金融数据通常并不体现“正态”。
(资料图片仅供参考)
Copula: 提供灵活与通用的生成给定单变量边际分布的多元分布。由于边际分布已确定,联合分布则能通过这已确定的边际分布变换到单位立方体 cube: \([0, 1]\) 上。
一个 \(n\) 元的 copula 是在单位立方体 cube \([0, 1]\) 上的多元分布,并且其边际的分布为 \(\mbox{Uniform}(0, ~ 1)\)。
先从二元的 copula 入手
Definition 1.
设有一个定义在 \([0, 1] \times [0, 1]\) 上的二元函数 \(G\),如果:
\[\forall u, v \in [0, 1]: ~ G(u, 0) = G(0, v) = 0\]则称 bivariate function \(G\) is grounded。
定义 1. 的意思即是说一个 grounded bivariate function,必定满足定义域为 \([0, 1] \times [0, 1]\),并且函数在定义域正方形靠在 \(x, y\) 两轴上的边上取值为 \(0\)。
Definition 2.
如果:
\[\forall u_{1} \leq u_{2}, ~ v_{1} \leq v_{2}: ~ G(u_{2}, v_{2}) - G(u_{2}, v_{1}) - G(u_{1}, v_{2}) + G(u_{1}, v_{1}) \geq 0\]那么称:bivariate function \(G\) is 2-increasing。并且,如果 \(G\) 同时二阶可微,那么:
\[\mbox{2-increaing} \quad \iff \quad \frac{\partial^{2}G(u, v)}{\partial u \partial v} \geq 0\]这里前半句的意思实际是,在 \([0, 1] \times [0, 1]\) 的正方形区域内,任意再取一个小正方形,使得四个点坐标分别为:左下: \((u_{1}, v_{1})\), 右下:\((u_{2}, v_{1})\), 左上:\((u_{1}, v_{2})\) 以及右上: \((u_{2}, v_{2})\)。那么此处条件实际为:
\[\mbox{左下 + 右上 $\geq$ 左上 + 右下}\]Definition 3.
一个二元 copula \(C\) 是一个定义在 \([0, 1] \times [0, 1]\) 上的函数,同时满足:
(a) \(C\) is grounded.
(b) \(C\) is \(\mbox{2-increasing}\).
(c)对于 \(\forall u, v \in [0, 1]: ~ C(u, 1) = u, ~ C(1, v) = v\)
Corollary 1.
一个二元函数 当且仅当它定义在 \([0, 1] \times [0, 1]\) 上且边际分布服从均匀分布时(很显然只能是\(\mbox{Unif}[0, 1]\) 的均匀分布)为一个 copula。
Proof.
\(\Longleftarrow\)
假设有一个二元函数 \(f_{X, Y}(x, y)\) 其中 \(x, y \in [0, 1]\),并且对于 marginal distribution 有:
\[\int^{1}_{0} f_{X, Y}(x, y) ~ dy= f_{X}(x) = a \in \mathbb{R}\\\int^{1}_{0} f_{X, Y}(x, y) ~ dx= f_{Y}(y) = b \in \mathbb{R}\\\]首先,copula 的定义域条件 (i.e. \([0, 1] \times [0, 1]\))已经给出。并且显然 \(a = b = 1\),因为:
\[\int^{1}_{0}\int^{1}_{0} f_{X, Y}(x, y) ~ dy~dx = 1 = \int^{1}_{0} a ~ dx = a\\\int^{1}_{0}\int^{1}_{0} f_{X, Y}(x, y) ~ dx~dy = 1 = \int^{1}_{0} a ~ dy = b\\\]
其次,当 \(x=0\) 时,
\[\begin{align*}\int^{1}_{0} f_{X, Y}(0, y) ~ dy = f_{X}(0) = a \quad & \implies \quad \frac{\partial \int^{1}_{0} f_{X, Y}(0, y) ~ dy}{\partial y} = \frac{\partial f_{X}(x)}{\partial y} = 0\\& \implies \quad f_{X, Y}(0, y) = 0\end{align*}\]同理,当 \(y = 0\) 时,
\[\begin{align*}\int^{1}_{0} f_{X, Y}(x, 0) ~ dx = f_{Y}(0) = b \quad & \implies \quad \frac{\partial \int^{1}_{0} f_{X, Y}(x, 0) ~ dx}{\partial x} = \frac{\partial f_{Y}(y)}{\partial x} = 0\\& \implies \quad f_{X, Y}(x, 0) = 0\end{align*}\]因此函数 \(f_{X,Y}(x,y)\) is grounded.
令:
\[F_{X, Y}(x, y) = \int^{y}_{0} \int^{x}_{0} f_{X, Y}(s, t) ~ ds ~ dt\]那么对于:
\[\begin{align*}\forall y \in [0, 1]: ~ F_{X, Y}(1, y) & = \int^{y}_{0} \int^{1}_{0} f_{X, Y}(s, t) ~ ds ~ dt \\& = \int^{y}_{0} f_{Y}(t) ~ dt \\& = \int^{y}_{0} 1 ~ dt \\& = y\end{align*}\]
同理:
\[\begin{align*}\forall x \in [0, 1]: ~ F_{X, Y}(x, 1) & = \int^{1}_{0} \int^{x}_{0} f_{X, Y}(s, t) ~ ds ~ dt \\& = \int^{x}_{0} \int^{1}_{0} f_{X, Y}(s, t) ~ dt ~ ds \\& = \int^{x}_{0} f_{X}(s) ~ ds \\& = \int^{x}_{0} 1 ~ dt \\& = x\end{align*}\]- 对于 \(\forall x_{1} \leq x_{2}, ~ y_{1} \leq y_{2}, ~ x_{1}, x_{2}, y_{1}, y_{2} \in [0, 1]\):
因此,由于 \(x_{2} \geq x_{1}, ~ y_{2} \geq y_{1}\),并且对于 \(\forall x, y \in [0, 1]: ~ f_{X, Y}(x, y) \geq 0\),所以根据 Riemann Integration 的基本性质,可得:
\[ \int^{y_{2}}_{y_{1}} \int^{x_{2}}_{x_{1}} f_{X, Y}(s, t) ~ ds ~ dt \geq 0\]这意味着:
\[\forall x_{1} \leq x_{2}, ~ y_{1} \leq y_{2}, ~ x_{1}, x_{2}, y_{1}, y_{2} \in [0, 1]: ~ F_{X, Y}(x_{2}, y_{2}) + F_{X, Y}(x_{1}, y_{1}) - F_{X, Y}(x_{2}, y_{1}) - F_{X, Y}(x_{1}, y_{2}) \geq 0\]因此函数 \(F_{X,Y}(x, y)\) is 2-increasing。
综上所述,由 copula 的定义,即证毕函数 \(F_{X,Y}(x,y)\) 为一个 copula。
\(\Longrightarrow\)
假设函数 \(C(u, v)\) 是一个 copula,那么它定义在 \([0, 1] \times [0, 1]\) 之上,即 \(u, v \in [0, 1]\)。
Copula 满足 2-increasing, 那么对于 \(\forall u_{1} \leq u_{2}, ~ v_{1} \leq v_{2}\):
\[C(u_{2}, v_{2}) - C(u_{2}, v_{1}) - C(u_{1}, v_{2}) + C(u_{1}, v_{1}) \geq 0\]同时 \(C(u, v)\) 还应当满足:
\[\forall u, v \in [0, 1]: ~ C(u, 1) = C(1, v) = 1, ~ C(u, 0) = C(0, v) = 0\]那么自然能够求得 二维 copula \(C\) 的两个边缘分布:
\[C_{U} = \int^{1}_{0} C(u, 1) ~ du = \int^{1}_{0} 1 ~ du = 1\\C_{V} = \int^{1}_{0} C(1, v) ~ dv = \int^{1}_{0} 1 ~ dv = 1\]故 Corollary 1.证毕。
Corollary 2.
以下三个函数都为 copulas:
(a) \(C^{-}(u, v) = \max(u + v - 1, ~ 0)\)
(b) $ C^{+}(u, v) = \min(u, ~ v)$
(c) \(C^{\perp}(u, v) = u \cdot v\)
Definition 4.
对于两个 copulas: \(C_{1}\) 和 \(C_{2}\),如果对于 \(\forall u, v \in [0, 1]\),都满足 \(C_1(u, v) \leq C_{2}(u, v)\),则称 \(C_{1}\) 小于 \(C_{2}\),记作 \(C_{1} \prec C_{2}\)。
Corollary 3.
对于任意一个 copula \(C\), 都有:\(C^{-} \prec C \prec C^{+}\)。
----Proof.
Copula \(C\) 是一个如下所示的二元函数:
\[C: [0, 1] \times [0, 1] \longrightarrow \mathbb{R}, \qquad (u, v) \longrightarrow C(u, v)\]根据定义,有:
\[\forall u \in [0, 1]: ~ C(u, 1) = u\\\forall v \in [0, 1]: ~ C(1, v) = v\]现在,我们在函数的正方形定义域 \([0, 1] \times [0, 1]\) 内构造另外一个正方形,其中它的四个顶点的坐标分别为:
\[(u, 0), ~ (1, 0), ~ (1, v), ~ (u, v)\]根据 2-increasing的性质,我们有:
\[C(1, v) + C(u, 0) \geq C(1, 0) + C(u, v)\]一个 copula 根据定义必须 grounded,这意味着:
\[C(u, 0) = C(1, 0) = 0\]因此:
\[C(1, v) \geq C(u, v)\]相似地,我们可以建立另外一个正方形,通过相同操作得到:
\[C(u, 1) \geq C(u, v)\]因此我们已经证明:
\[\min(u, v) \geq C(u, v)\]欲想证明 \(C(u, ~ v) \geq C^{-}(u, v)\),首先注意到:
\[\begin{align*}C(u, v) & = P(U \leq u, ~ V \leq v) = P(U \leq u) + P(V \leq v) - P(\left\{ U \leq u \right\} \cup \left\{ V \leq v \right\})\\& \geq u + v - 1\end{align*}\]根据定义,我们有:
\[C(u, v) \geq 0\]因此:
\[C(u, v) \geq \max(u + v - 1, ~ 0) = C^{-}(u, ~v)\]我们最终可得:
\[C^{-}(u, v) \leq C(u, v) \leq C^{+}(u, v)\]Sklar Theorem (Sklar, 1959)
令 \(F_{1}\) 和 \(F_{2}\) 为两个单变量分布函数,那么以下结论成立:
- 如果 \(C\) 是一个 copula,那么 \(C(F_{1}(x), ~ F_{2}(y))\) 是一个 bivariate distribution function。
- 若 \(F(x, y)\) 是一个 bivariate distribution function,且拥有边界分布 \(F_{1}\) 和 \(F_{2}\),那么恰好存在一个 copula \(C\) 使得 \(F(x, y) = C(F_{1}(x), ~ F_{2}(y))\)。
注:在 2. 中,copula 可以被表示为 \(C(u, v) = F\left( F^{-1}_{1}(x), ~ F^{-1}_{2}(y) \right)\)
Gaussian Copulas
对于一个二元高斯(正态)分布,其边际密度函数(marginal P.D.F.)分别为 \(N(\mu_{1}, \sigma_{1}^{2})\) 和 \(N(\mu_{2}, \sigma_{2}^{2})\),且两个随机变量的相关系数为 \(\rho\),我们则可以通过 Sklar Theorem中的 1.来求得 copula C。因为在对两个正态随机变量进行标准化(即 \(\frac{X - \mu_{1}}{\sigma_{1}}\) 和 \(\frac{Y - \mu_{2}}{\sigma_{2}}\))后,copula C 不再取决于边际函数(即两个正态随机变量)的变量与方差,而是仅仅取决于相关系数 \(\rho\),即:
令 \(\phi\) 记为标准正态分布,令 \(\phi_{\rho}\) 记作两个边际函数皆为标准正态分布的二元高斯分布, 且两边际随机变量的相关系数为 \(\rho\),我们则有:
\[C^{G}_{\rho}(u, v) = \phi_{\rho}\left( \phi^{-1}(u), ~ \phi^{-1}(v) \right)\]同时,我们称 \(\left\{ C^{G}_{\rho} : \rho \in [−1, 1] \right\}\) 为 “the family of Gaussian Copulas“。
Archimedean Copulas
生成器(Generator) \(g\) 是一个在 \([0, 1]\) 上严格递减的函数,且 \(g(1) = 0\)。一个 generator \(g\) 所对应的 Archimedean Copula 记作:
\[C^{A}_{g}(u, v) = g^{-1}\left( g(u) + g(v) \right)\]其中,当 \(g(0) < \infty\) 时,定义:\(g^{-1}(x) = 0\) for \(\forall x \geq g(0)\)。
Gumbel
令:
\[g_{\alpha}(u) = (−\log{u})^{\alpha}, \qquad \alpha \in [1, \infty]\]此时:
\[C_{\alpha}(u, v) = e^{-\left[ (-\log{u})^{\alpha} + (-\log{v})^{\alpha}\right]^\frac{1}{\alpha}}\]Clayton
令:
\[g_{\alpha}(u) = \begin{cases}\alpha^{−1} \left( u^{-\alpha} − 1 \right) \qquad \quad \alpha \in \left[−1, 0 \right) \cup \left(0, \infty \right)\\-\log{u} \qquad \qquad \qquad \alpha = 0\end{cases}\]那么其对应的 Copula 为:
\[C_{\alpha}(u, v) = \frac{1}{\left[ \max(u^{-\alpha} + v^{-\alpha} - 1, ~ 0) \right]^{\frac{1}{\alpha}}} \qquad \qquad \alpha \in \left[−1, 0 \right) \cup \left(0, \infty \right)\]Frank
令:
\[g_{\alpha}(u) = \begin{cases}-\log\left[ \frac{e^{-\alpha u}-1}{e^{-\alpha}-1} \right] \qquad \quad \alpha \in \mathbb{R} \setminus \left\{ 0 \right\} \\-\log{u} \qquad \qquad \qquad \alpha = 0\end{cases}\]那么其对应的 Copula 为:
\[C_{\alpha}(u, v) = -\frac{1}{\alpha} \cdot \log\left[ 1 + \frac{(e^{-\alpha u}-1)(e^{-\alpha v}-1)}{e^{-\alpha}-1} \right] \qquad \qquad \alpha \in \mathbb{R}\setminus \left\{ 0 \right\}\]Copula
今亮点!女子熬夜看《狂飙》:患高启强同款干眼症
世界热头条丨逆天 韩国学生用ChatGPT写论文“喜”提0分 校方:剽窃!
快资讯:再续一个月:《阿凡达:水之道》再次宣布延长上映
28款CPU性能实测:Intel实力屠榜 AMD游戏神U赢回面子
全球消息!全国首座高速公路重卡充换电站亮相:电池包350kWh 3分钟自动换电
基于图的下一代入侵检测系统
环球快资讯丨MySQL——性能优化的关注点
天天简讯:记录--Cesium+Vue实战教程——地图导航
世界关注:人工智能(Python)教程_编程入门自学教程_菜鸟教程-免费教程分享
天天要闻:安卓常用shell命令大全
环球视点!无损压缩鼻祖去世了 没有他就没有今天的Zip、PNG、PDF
当前观点:博主“科普”鲸鱼会假装搁浅吸引人来救 博物杂志辟谣:九死一生
天天快讯:行驶中会“熄火” 大众召回超2万辆ID.4电动车
世界报道:欧洲玩家吐槽《霍格沃茨之遗》捏脸系统:最浅的皮肤选项依然很深
当前速看:Stochastic Methods in Finance (1)
【独家】.Net6对AOP的多种支持之IAsyncResourceFilter
世界观天下!常见的python技术难点分享
当前速讯:Nodejs原型链污染
世界要闻:[threeJS]--- 外部导入的模型如何编程式实现帧动画以及调用模型自带的动画
情人节必备:德芙香浓黑巧12元/碗大促
逃离银河系!科学家在仙女星系中发现银河移民
世界快播:山东女子中淘宝彩票锦鲤:直播1小时刮594张彩票 中7170元
天天滚动:骁龙8+满血版、残血版差价非常大 一加揭秘:能差1个亿
防止技术垄断:昆仑万维宣布将在年内开源类ChatGPT代码
【全球播资讯】陕西旅游集团旗下景区春节期间累计接待超 200 万人次,这背后也有火山引擎 VeDI 的身影
当前热门:分享5个我不能没有的Vue.js库,不信你用不上
KingbaseES libstdc++.so.6 version 'CXXABI_1.3.8'问题处理
敏捷数据科学教程_编程入门自学教程_菜鸟教程-免费教程分享
MPI库并行Fortran程序:进程通讯
微头条丨女子带汉堡进星巴克被拦 称味道大会影响其他顾客 网友抵制
微信数据再多都够用 真我GT Neo5 1TB干到3499元:旗舰射门员
新资讯:14岁女孩连续玩手机81小时险猝死 专家提醒:家长一定要控制
【环球时快讯】1TB手机不到3500元!网友评价真我GT Neo5:这让友商很难做
世界新消息丨又多了一种摸鱼手段 小红书网页版上线:左图右文 沉浸大屏
快看:Android教程_编程入门自学教程_菜鸟教程-免费教程分享
天天日报丨vue2和vue3的区别有哪些?
docker学习
【全球热闻】剑指Offer 05. 替换空格(java解题)
信息:首个教育圈ChatGPT来了!网易有道将推生成式AI:可批改作文
每日快播:创下历史第二!《霍格沃茨之遗》steam在线人数达48万
快看点丨哭笑不得!西班牙火车尺寸太大无法过隧道:白花2亿多欧元
成都现飞鸟撞树现象 网友疑灾害前兆!专家回应:想多了
环球今日报丨用ChatGPT做表格真香!只需动嘴提要求和复制粘贴
Java基础三元运算符
世界快消息!Crystal Reports 教程_编程入门自学教程_菜鸟教程-免费教程分享
新资讯:再有人问你分布式事务,把这篇文章砸过去给他
有了 ETL 数据神器 dbt,表数据秒变 NebulaGraph 中的图数据
天天播报:部分玩家批评《塞尔达传说:王国之泪》新宣传片:太中庸没新意
环球热讯:比亚迪百万新车或搭载:余承东李想力挺增程式到底落不落后?专家一句真相
C# 学习async/await(个人理解)
30 个 IDEA 常用小技巧,应有尽有,让你的撸码效率直接起飞...
【天天聚看点】世界有史以来最大百科全书!《永乐大典》首次线上公开 免费看
华擎推出4X4 BOX-7000系列迷你主机:锐龙7000U、支持双USB4
小米Civi 2宣布全版本支持MIUI 14!系统丝滑流畅、更省电
女子手机放枕边突然冒烟自燃:曾因进水维修
饭店反向抹零多收1毛被罚4500元 网友点赞:四舍五入抹零有误都可举报
天天日报丨必知必会的设计原则——里氏替换原则
焦点速递!联想发布“问天”服务器品牌 向3S领域发起总攻 5年内冲击第一
焦点!谷歌版ChatGPT灾难级发布 市值一夜狂跌7000亿 熬夜网友:退钱!
快播:刘强东要建员工福利房?京东31亿北京拿地 1.6万元/平
当前快报:手工扯面+秘制辣油 西安饭庄油泼biangbiang面6.6元/盒大促
全球看点:任天堂港服“任亏券”开卖:《塞尔达传说:王国之泪》预售你买没
孔雀石的主要成分是什么?孔雀石的作用与好处有哪些?
空气能热水器的优缺点是什么?空气能热水器十大名牌排名
高一选科怎么选最好?高一期中考试总结范文
暑假带孩子去哪里旅游最好?我的快乐暑假作文模板
旅游高峰期相反的叫什么?旅游高峰期是哪几个月?
植物大战僵尸2闪退是怎么回事?植物大战僵尸2闪退解决办法
精彩看点:【学习笔记】Http请求方法总结
当前通讯!FCoE简单介绍
头条焦点:git在工作中如何使用?
热议:近期做的有意思的两道题,不知道是谁抄谁hhhhh
Java利用ChromeDriver插件网页截图(Wondows版+Linux版)
煲音箱与不煲的差别大吗?煲音箱音量开多大合适?
验证码总是错误是怎么回事?验证码总是错误怎么解决?
电脑屏幕尺子怎么打开?电脑屏幕尺子怎么使用?
技嘉主板怎么设置U盘启动?技嘉主板超频怎么设置?
热门看点:价格率先步入“次世代”:《塞尔达传说:王国之泪》涨至70美元
环球最资讯丨《王者荣耀》项羽、虞姬情人节皮肤来了:280元值吗?
当前关注:荣耀Magic5系列充电规格曝光:全系仅66W快充
环球热文:威马汽车CDO:特斯拉单车净利润是大众十倍 随时都能大降价
热资讯!次日达 冷酸灵泵式牙膏11.9元 清新口气、抗敏感
区块链安全前传之从Web3.0到创造自己的数字货币
天天快资讯:“采访”ChatGPT看看它对我们GreatSQL社区有什么看法
关于小程序变现方式你还知道哪些?
焦点热文:开发过程中安装的依赖包
每日热议!Spring源码第一章:创建简单的 Bean 容器
买房不如买车、50万交利息税等:年轻人为什么越来越反感专家?
【新要闻】集成ChatGPT威力惊人:微软Bing下载量激增10倍
环球热门:QLC便宜即是王道 1728个SSD组成106PB超大硬盘阵列
环球速看:又有巨头扛不住了!迪士尼宣布裁员7000人:省了55亿成本
日本耗资万亿的国产大飞机失败内幕:重大安全缺陷 美国拒绝发证
当前动态:《三国演义》“关羽”陆树铭去世百天 妻子晒全家福:网友感叹
要涨价!《塞尔达传说:王国之泪》新实机出炉:能造汽车、飞机了
每日消息!趋势难挡!美国、法国等公司推行每周4天工作制:不减薪 提升幸福度
天天即时看!比ChatGPT差很多 谷歌Bard AI丢人了:回答错误致股价大跌
读Java实战(第二版)笔记05_Collection API的增强功能
谷歌首公布Android 14:续航、流畅度激增、对折叠屏更好支持!
全球快播:Linux-ansible