Непараметрический подход к регрессионному моделированию на базе копула функций на примере парных моделей
(Стр. 136-145)
Подробнее об авторах
Бачаев Умар Аптиевич
ассистент кафедры информационных технологий
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация
Финансовый университет при Правительстве Российской Федерации
г. Москва, Российская Федерация
Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты
Аннотация:
В статье рассматривается непараметрический подход к регрессионному моделированию на основе копула-функций, который позволяет преодолеть ограничения классических линейных моделей. В исследовании анализируется преимущества копульного подхода, включая возможность моделирования сложных нелинейных, асимметричных и хвостовых зависимостей, а также разделение структуры зависимости и маргинальных распределений. Рассмотрены основные классы копул (эллиптические и архимедовы), их свойства и применение в парных моделях. Особое внимание уделено практическим примерам использования копул для анализа данных в экономике и финансах. Отмечены преимущества подхода, такие как гибкость и универсальность, а также его ограничения, связанные с вычислительной сложностью и требованиями к качеству данных.
Образец цитирования:
Бачаев У. А. Непараметрический подход к регрессионному моделированияю на базе копула функций на примере парных моделей // Проблемы экономики и юридической практики. 2025. Т. 21. № 3. С. 136-145. DOI: 10.33693/2541-8025-2025-21-3-136-145. EDN: WXJQND
Список литературы:
Фантаццини Д. Эконометрический анализ финансовых данных в задачах управления риском // Прикладная эконометрика. —2008. —№ 2 (10). —С. 91–137.
Фантаццини Д. Моделирование многомерных распределений с использованием копула-функций. I // Прикладная эконометрика. —2011. —№ 22 (2). —С. 98–134.
Фантаццини Д. Моделирование многомерных распределений с использованием копула-функций. II // Прикладная эконометрика. —2011. —№ 23 (3). —С. 98–132.
Фантаццини Д. Моделирование многомерных распределений с использованием копула-функций. III // Прикладная эконометрика. —2011. —№ 25 (4). —С. 100–130.
Dißmann J., Brechmann E. C., Czado C., Kurowicka D. Selecting and estimating regular vine copulae and application to financial returns // Computational Statistics & Data Analysis. —2013. —Vol. 59. —P. 52–69.
Masarotto G., Varin C. Gaussian copula marginal regression // Electronic Journal of Statistics. —2012. —Vol. 6. —P. 1517–1549.
Masarotto G., Varin C. Gaussian Copula Regression in R // Journal of Statistical Software.—2017.—Vol. 77, No. 8.
Wei Y., Wojtyś M., Sorrell L., Rowe P. Bivariate copula regression models for semi-competing risks // Statistical Methods in Medical Research. —2023.
Yang L., Frees E. W., Zhang Z. Nonparametric Estimation of Copula Regression Models with Discrete Outcomes // Journal of the American Statistical Association. —2020. —Vol. 115, No. 530. —P. 707–720.
Kraus D., Czado C. D-vine copula based quantile regression // Computational Statistics & Data Analysis. —2017.
Dette H., Siburg K. F., Stoimenov P. A. A Copula-Based Nonparametric Measure of Regression Dependence : препринт 2010–03. —Technische Universität Dortmund, 2010.
Parsa R. A., Klugman S. A. Copula Regression // Variance: Advancing the Science of Risk. —2011. —Vol. 5, No. 1. —P. 45–61.
Фантаццини Д. Моделирование многомерных распределений с использованием копула-функций. I // Прикладная эконометрика. —2011. —№ 22 (2). —С. 98–134.
Фантаццини Д. Моделирование многомерных распределений с использованием копула-функций. II // Прикладная эконометрика. —2011. —№ 23 (3). —С. 98–132.
Фантаццини Д. Моделирование многомерных распределений с использованием копула-функций. III // Прикладная эконометрика. —2011. —№ 25 (4). —С. 100–130.
Dißmann J., Brechmann E. C., Czado C., Kurowicka D. Selecting and estimating regular vine copulae and application to financial returns // Computational Statistics & Data Analysis. —2013. —Vol. 59. —P. 52–69.
Masarotto G., Varin C. Gaussian copula marginal regression // Electronic Journal of Statistics. —2012. —Vol. 6. —P. 1517–1549.
Masarotto G., Varin C. Gaussian Copula Regression in R // Journal of Statistical Software.—2017.—Vol. 77, No. 8.
Wei Y., Wojtyś M., Sorrell L., Rowe P. Bivariate copula regression models for semi-competing risks // Statistical Methods in Medical Research. —2023.
Yang L., Frees E. W., Zhang Z. Nonparametric Estimation of Copula Regression Models with Discrete Outcomes // Journal of the American Statistical Association. —2020. —Vol. 115, No. 530. —P. 707–720.
Kraus D., Czado C. D-vine copula based quantile regression // Computational Statistics & Data Analysis. —2017.
Dette H., Siburg K. F., Stoimenov P. A. A Copula-Based Nonparametric Measure of Regression Dependence : препринт 2010–03. —Technische Universität Dortmund, 2010.
Parsa R. A., Klugman S. A. Copula Regression // Variance: Advancing the Science of Risk. —2011. —Vol. 5, No. 1. —P. 45–61.
Ключевые слова:
копула-функции, непараметрическая регрессия, теорема Склара, условное математическое ожидание, нелинейные зависимости, эконометрический анализ..
