[论文解读] Growing simplified vine copula trees: improving Di{\ss}mann's algorithm

Daniel Kraus, Claudia Czado|arXiv (Cornell University)|Mar 15, 2017

Financial Risk and Volatility Modeling参考文献 22被引用 5

一句话总结

本文提出了两种改进的算法，用于选择藤 copula 树结构，以最小化简化假设的违反情况，这是藤 copula 建模中的关键可识别性条件。通过在结构选择过程中整合恒定条件相关性的统计检验，新方法在模型拟合方面显著优于 Dißmann 的算法，尤其当原始结构中包含大量违反配对 copula 时效果更明显。

ABSTRACT

Vine copulas are pair-copula constructions enabling multivariate dependence modeling in terms of bivariate building blocks. One of the main tasks of fitting a vine copula is the selection of a suitable tree structure. For this the prevalent method is a heuristic called Di{\\ss}mann's algorithm. It sequentially constructs the vine's trees by maximizing dependence at each tree level, where dependence is measured in terms of absolute Kendall's $\ au$. However, the algorithm disregards any implications of the tree structure on the simplifying assumption that is usually made for vine copulas to keep inference tractable. We develop two new algorithms that select tree structures focused on producing simplified vine copulas for which the simplifying assumption is violated as little as possible. For this we make use of a recently developed statistical test of the simplifying assumption. In a simulation study we show that our proposed methods outperform the benchmark given by Di{\\ss}mann's algorithm by a great margin. Several real data applications emphasize their practical relevance.

研究动机与目标

• 解决 Dißmann 算法在树结构选择过程中忽略简化假设有效性的问题。
• 开发显式考虑条件配对 copula 中简化假设违反程度的结构选择方法。
• 通过选择更可能产生简化 copula 模型且假设违反最少的藤 copula 树，提升模型拟合度。
• 为 Dißmann 算法提供一种实用的替代方案，在增加计算时间的代价下提升模型准确性。
• 使从业者能够基于 Dißmann 拟合模型中检测到的简化假设违反数量，判断是否值得用新算法重新拟合。

提出的方法

• 使用针对恒定条件相关性的统计检验（Kurz 和 Spanhel，2017）来评估藤结构中每个配对 copula 的简化假设有效性。
• 提出算法 1：使用 Dißmann 的启发式方法（最大化绝对 Kendall’s τ）选择第一棵树，随后将简化假设检验的 p 值作为后续树的权重。
• 提出算法 2：使用简化假设检验的 p 值作为权重拟合 C-vine 结构，并对 p 值应用灵活的变换函数。
• 引入权重因子 α，以平衡依赖强度（Kendall’s τ）与简化假设 p 值在树构建中的影响。
• 对 p 值应用变换函数 r(p)，以提高优化过程中的数值稳定性和性能。
• 使用 AIC 作为模型拟合度的评价标准，比较所提算法与 Dißmann 算法在模拟和真实数据中的表现。

实验结果

研究问题

• RQ1 通过显式考虑简化假设的违反情况，能否改进藤 copula 的结构选择？
• RQ2 在结构选择中引入恒定条件相关性检验的 p 值，与仅依赖依赖强度的 Dißmann 方法相比，对模型拟合度有何影响？
• RQ3 在哪些场景下，新算法在 AIC 和模型充分性方面显著优于 Dißmann 算法？
• RQ4 在藤结构选择中，依赖强度与简化假设 p 值之间最优的加权策略是什么？
• RQ5 从业者如何判断何时应将 Dißmann 拟合的模型替换为新算法选择的模型？

主要发现

• 在所有测试的维度和样本量下，所提算法在 AIC 拟合度指标上均显著优于 Dißmann 算法。
• 在 d=30 且 n=3000 的模拟中，算法 2 在 91.9% 的情况下实现了优于或等于 Dißmann 算法的 AIC 表现。
• 对于铀数据集，新算法识别出一种基于钴的简化藤结构，其模型拟合度优于 Dißmann 的原始结构。
• 当超过 β(d−1)(d−2)/2 个配对 copula（例如，所有配对的 5%）拒绝简化假设检验时，新算法始终提供更优的模型拟合。
• p 值变换函数 r(p) 的选择对性能有显著影响，其中基于秩的变换方法表现最佳（在 d=3 时，91.1% 的情况下 AIC 更优或相等）。
• 模拟研究显示，当使用独立性检验时，算法 2 在 d=10 时优于 Dißmann 算法的案例占 86.1%，在 d=30 时占 91.9%，表明其在不同维度下均具有强鲁棒性。