典型文献
基于group SCAD惩罚的非对称乘法copula模型选择及其应用
文献摘要：
捕捉变量间相依结构中的非对称性有助于把握其间的地位关系.非对称乘法copula模型常用于刻画非对称相依结构,但在应用中面临模型选择问题.文章首次将正则化思想与非对称乘法copula模型相结合,并依据权重参数的群组结构对模型中各copula成分的权重施加group SCAD惩罚,构建惩罚似然函数,采用单步LLA算法得到权重的稀疏估计,自动剔除对模型整体贡献较小的copula成分,实现模型选择.同时,文章还给出了惩罚似然估计量的收敛率及其证明.在数值模拟中,文章所构建的模型选择方法具有较高的准确性与精度,在模型误设定的情形下则会选择出与真实模型最为接近的copula成分组合.在实证分析中,文章应用非对称乘法copula模型分析医药产业板块的横向与纵向关联,从结果来看本文的模型选择方法能较好地应对实际数据,选择出合适的copula成分组合,刻画板块相依结构中潜在的非对称性.
文献关键词：
非对称性;乘法copula模型;模型选择;SCAD惩罚函数;惩罚似然估计
中图分类号：
作者姓名：
刘俊杰;胡永宏
作者机构：
中央财经大学统计与数学学院,北京102206
文献出处：
引用格式：
[1]刘俊杰;胡永宏-.基于group SCAD惩罚的非对称乘法copula模型选择及其应用)[J].系统科学与数学,2022(09):2508-2530
A类：
非对称相依,惩罚似然估计
B类：
group,SCAD,copula,模型选择,相依结构,非对称性,其间,正则化,群组结构,似然函数,单步,LLA,稀疏估计,自动剔除,还给,估计量,收敛率,选择方法,医药产业,实际数据,画板,惩罚函数
AB值：
0.269037
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
