[论文解读] Misspecification in copula-based regression

Holger Dette, Ria Van Hecke+1 more|arXiv (Cornell University)|Oct 11, 2013

Financial Risk and Volatility Modeling参考文献 13被引用 1

一句话总结

本文研究了在多元预测变量的半参数回归中，当对 copula 模型误设时的影响，表明即使使用灵活的模型（如藤 copula），错误的参数 copula 家族也会导致严重的估计误差，尤其是在回归关系非单调时，从而破坏结果的有效性。

ABSTRACT

In a recent paper Noh et al. (2013) proposed a new semiparametric estimate of a regression function with a multivariate predictor, which is based on a specification of the dependence structure between the predictor and the response by means of a parametric copula. This paper investigates the effect which occurs under misspecification of the parametric model. We demonstrate that even for a one or two dimensional predictor the error caused by a \wrong" speci fication of the parametric family is rather severe, if the regression is not monotone in one of the components of the predictor. Moreover, we also show that these problems occur for all of the commonly used copula families and we illustrate in several examples that the copula-based regression may lead to invalid results even when more flexible copula models such as vine copulae (with the common parametric families) are used in the estimation procedure.

研究动机与目标

• 评估在具有多元预测变量的基于 copula 的回归模型中，误设参数 copula 家族的后果。
• 识别在回归函数非单调时，误设导致显著估计误差的条件。
• 评估常用 copula 家族以及更灵活的模型（如藤 copula）在模型误设下的稳健性。
• 证明即使使用先进的 copula 模型，当依赖结构假设错误时，仍无法消除无效推断的风险。

提出的方法

• 采用半参数回归框架，其中多元预测变量与响应变量之间的依赖关系通过参数 copula 建模。
• 使用基于 copula 的估计程序，假设联合依赖结构采用特定的参数族。
• 分析错误选择 copula 家族对回归函数估计的影响，特别关注低维设置（1–2 个预测变量）。
• 通过模拟和实例分析，比较在正确与误设 copula 家族下的估计精度。
• 在标准 copula 家族（如高斯、Clayton、Gumbel）和使用常见参数族的藤 copula 上评估性能。
• 评估当真实依赖结构与假设 copula 不匹配时，回归估计偏差和不一致性的严重程度。

实验结果

研究问题

• RQ1 在基于 copula 的多元预测变量回归中，误设参数 copula 家族导致的估计误差有多严重？
• RQ2 如果回归函数中存在非单调关系，是否会加剧 copula 误设的影响？
• RQ3 常用 copula 家族（如高斯、Clayton、Gumbel）是否对误设具有稳健性，还是会持续产生无效结果？
• RQ4 更灵活的模型（如藤 copula）能否减轻基于 copula 的回归中模型误设的风险？
• RQ5 在何种条件下，基于 copula 的回归即使使用先进的依赖建模，也无法提供有效推断？

主要发现

• 即使在单变量或双变量预测变量设置下，误设参数 copula 家族也会在基于 copula 的回归中导致严重的估计误差。
• 当回归函数在预测变量的任一成分中为非单调时，误差的严重性显著增加。
• 该问题在所有常用参数 copula 家族中普遍存在，包括高斯、Clayton 和 Gumbel copula。
• 即使使用具有灵活参数族的藤 copula，若假设的 copula 家族错误，估计结果仍可能无效。
• 本研究证明，错误的依赖结构假设会导致系统性偏差和不一致的回归估计，从而破坏模型的有效性。