[论文解读] The partial vine copula: A dependence measure and approximation based on the simplifying assumption

Spanhel, Fabian, Kurz, Malte S.|arXiv (Cornell University)|Oct 23, 2015

Financial Risk and Volatility Modeling被引用 21

一句话总结

本文提出了部分藤 copula（PVC），一种基于 j 阶部分 copula 的多元依赖度量，其为二元部分相关系数的推广。研究表明，尽管 PVC 并未最小化与真实 copula 的 Kullback-Leibler 散度，但由于逐步估计量的收敛性以及计算上的可行性，即使简化假设不成立，它在实践中仍是最佳可行的简化藤 copula 近似。

ABSTRACT

Simplified vine copulas (SVCs), or pair-copula constructions, have become an important tool in high-dimensional dependence modeling. So far, specification and estimation of SVCs has been conducted under the simplifying assumption, i.e., all bivariate conditional copulas of the vine are assumed to be bivariate unconditional copulas. We introduce the partial vine copula (PVC) which provides a new multivariate dependence measure and which plays a major role in the approximation of multivariate distributions by SVCs. The PVC is a particular SVC where to any edge a j-th order partial copula is assigned and constitutes a multivariate analogue of the bivariate partial copula. We investigate to what extent the PVC describes the dependence structure of the underlying copula. We show that the PVC does not minimize the Kullback-Leibler divergence from the true copula and that the best approximation satisfying the simplifying assumption is given by a vine pseudo-copula. However, under regularity conditions, step-wise estimators of pair-copula constructions converge to the PVC irrespective of whether the simplifying assumption holds or not. Moreover, we elucidate why the PVC is the best feasible SVC approximation in practice.

研究动机与目标

• 开发一种新的多元依赖度量，将部分相关性推广至 copula 框架。
• 研究当简化假设不成立时，PVC 作为真实多元 copula 近似的作用。
• 阐明尽管理论次优，PVC 为何在高维藤 copula 建模中是最实用的近似。
• 在简化假设不成立的情况下，建立 PVC 在逐步估计下的收敛性质。
• 为在非参数估计和简化假设检验中使用 PVC 提供理论基础。

提出的方法

• 提出部分藤 copula（PVC）作为一种特定的简化藤 copula，其中每条边均分配一个 j 阶部分 copula。
• 将 PVC 定义为二元部分 copula 的多元推广，使用条件与部分概率积分变换。
• 利用简化假设构建藤结构，其中条件 copula 被无条件二元 copula 所替代。
• 应用逐步与联合最大似然估计方法，评估模型误设下的收敛行为。
• 推导估计量收敛极限的理论结果，并使用 Kullback-Leibler 散度比较 PVC 与真实 copula。
• 通过模拟研究以及在非参数密度估计与假设检验中的应用，验证 PVC 的实际效用。

实验结果

研究问题

• RQ1 当简化假设不成立时，PVC 在多大程度上能捕捉真实多元分布的依赖结构？
• RQ2 在所有简化藤 copula 中，PVC 是否最小化与真实 copula 的 Kullback-Leibler 散度？
• RQ3 为何在简化假设被违反时，成对 copula 构造的逐步估计量仍会收敛至 PVC？
• RQ4 PVC 与真实数据生成 copula 之间的理论与实际关系为何？
• RQ5 如何利用 PVC 构建更优的非参数估计器，或在高维中检验简化假设？

主要发现

• PVC 并未最小化与真实 copula 的 Kullback-Leibler 散度，这意味着它并非理论上最优的简化藤 copula 近似。
• 尽管如此，在正则条件下，成对 copula 构造的逐步估计量即使在简化假设不成立时也会收敛至 PVC。
• 若简化假设不成立，联合与逐步最大似然估计量可能收敛至不同极限，这在 Frank copula 的模拟中已得到验证。
• 由于联合估计在计算上不可行，且逐步方法占主导地位，PVC 是实践中最佳可行的近似。
• PVC 可实现更优的非参数密度估计，即使 PVC 本身作为绝对近似效果较差，其表现仍优于经典核方法。
• PVC 为检验简化假设提供了基础，如 Kurz 和 Spanhel（2021）的后续工作所示。