[论文解读] Objective priors for the number of degrees of freedom of a multivariate t distribution and the t-copula

Cristiano Villa, Francisco J. Rubio|Kent Academic Repository (University of Kent)|Jan 19, 2017

Financial Risk and Volatility Modeling参考文献 21被引用 5

一句话总结

本文提出了一种基于信息论损失函数的多变量t分布和t-藤 copula 模型中自由度参数 ν 的客观贝叶斯先验，用于量化先验不确定性。通过基于正态收敛性的 ν 支持截断，该方法提供了一种一致的、非信息性先验，即使 ν 是离散的，也能实现有效的推断，且在模拟和真实金融数据应用中表现出良好的频率学覆盖性质。

ABSTRACT

An objective Bayesian approach to estimate the number of degrees of freedom $(ν)$ for the multivariate $t$ distribution and for the $t$-copula, when the parameter is considered discrete, is proposed. Inference on this parameter has been problematic for the multivariate $t$ and, for the absence of any method, for the $t$-copula. An objective criterion based on loss functions which allows to overcome the issue of defining objective probabilities directly is employed. The support of the prior for $ν$ is truncated, which derives from the property of both the multivariate $t$ and the $t$-copula of convergence to normality for a sufficiently large number of degrees of freedom. The performance of the priors is tested on simulated scenarios. The R codes and the replication material are available as a supplementary material of the electronic version of the paper and on real data: daily logarithmic returns of IBM and of the Center for Research in Security Prices Database.

研究动机与目标

• 解决多变量t分布和t-藤copula模型中离散自由度参数 ν 缺乏客观先验分布的问题。
• 在先验信息极少或缺失的情况下，为 ν 建立一种正式的、客观的贝叶斯方法。
• 通过基于损失的准则而非直接的概率赋值，克服为离散参数分配客观概率的挑战。
• 通过截断支持，确保先验与 t 分布在 ν → ∞ 时的渐近正态性保持一致。
• 通过模拟研究和对日对数收益率的真实金融数据（IBM 和 CRSP）的分析，评估所提先验的性能。

提出的方法

• 基于 Kullback–Leibler 散度的损失函数，用于度量 ν 被错误指定时的信息损失。
• 通过最小化期望损失定义客观先验，从而得到 ν 上的离散、截断先验。
• 在有限上界处截断 ν 的支持，其合理性基于多变量t分布随 ν 增加而收敛于正态分布的性质。
• 将相同的基于损失的准则应用于多变量t分布和t-藤copula，确保方法论的一致性。
• 对其他模型参数使用弱信息先验，将客观先验构建的重点集中于 ν。
• 通过模拟研究和真实数据（IBM 和 CRSP 的日对数收益率）验证后验推断的频率学性质。

实验结果

研究问题

• RQ1 如何为多变量t分布中的离散自由度参数 ν 构建客观先验？
• RQ2 当标准非信息先验不可行时，应如何恰当地为离散参数定义客观概率？
• RQ3 所提出的基于损失的先验在多变量t模型中对 ν 的频率学覆盖性能如何？
• RQ4 该客观先验框架能否扩展至 t-藤copula 模型，其中 ν 控制尾部相依性？
• RQ5 所提先验在真实金融对数收益率数据上的经验表现如何？

主要发现

• 所提出的 ν 客观先验实现了良好的频率学覆盖，95% 信用区间在多个模拟情景中始终捕捉到真实 ν。
• 对于 d=2,3 的多变量t分布和 n=250 的样本，不同 ν 值和相关性水平下，95% 区间的平均覆盖范围为 0.90 至 0.98。
• 对于 bivariate t-藤copula 模型，ρ=0.25,0.50,0.75 且 n=250 时，95% 区间的平均覆盖率达到 0.95 或更高，表明性能稳健。
• 即使在小样本量（n=50）下，该方法的覆盖率也大多高于 0.87。
• 该方法成功处理了 ν 的离散性，避免了实践中常见的均匀先验或不当先验的陷阱。
• 对 IBM 和 CRSP 数据的实证分析表明，采用该先验的模型在尾部相依性推断上表现稳定且可解释。