Creo que una muy interesante línea de investigación sobre este tema está representado por las extensiones de vid cúpulas con el tiempo de variación de parámetros.
De la viña cúpulas, en general, tienen un vistazo a este sitio de la Technische Universität München:
Vid Cópula Modelos
Uno de sus proyectos de investigación, que es la más relevante en este contexto, es:
Variable de tiempo de la vid cópula modelos
Es bien vale la pena mantener un ojo en desde la implementación de sus modelos de investigación en R, respecto a la situación actual de la aplicación por favor, eche un vistazo a esta presentación aquí:
CDVine: Un R-paquete de inferencia estadística de C - y D-vines
Usted encontrará los respectivos paquete CDVine en CRAN: Aquí
La viñeta se puede encontrar en la Revista de Software Estadístico.
(Voy a actualizar este post cuando el nuevo código de la variable en el tiempo de los parámetros está disponible).
Una vez que inicie la construcción de variantes en el tiempo cúpulas como Lopes sugiere en ese papel, yo creo que estamos mejor aventurarse en el mundo de los modelos de espacio de estado. Cuando se visualizan en un contexto bayesiano, las similitudes entre los enfoques son sorprendentes para mí. La ventaja de la cópula, como yo lo entiendo, es que es una forma rápida y sucia para entender la estructura de sus distribuciones marginales mediante la simplificación de la estructura de la dependencia a lo largo del tiempo.
No he encontrado nada en el Lopes de papel para sugerir algo de lo que se utiliza para estimar los parámetros de su tiempo variable cúpulas y marginales, pero espero que esto se hace uso de algo como un adelante/atrás (algoritmo utilizado en ssm estimación) ya que se menciona que los marginales y cúpulas se estima que en la misma "paso". Hay gran fuente abierta ssm paquetes que se podría extender en R y python, si este enfoque interesa: sspir, dlm, MARSS, rbugs, pyssm, pymcmc, etc.
He escrito R código para algunas variables en el tiempo bivariante de grasa de cola cópula funciones (arrancó Patton código de Matlab) y jugó con varios optimizadores.
Usted puede utilizar Rsolnp, nloptr, alabama o DEoptim paquetes para encontrar una solución de optimización. Aquí hay algunas código R donde puedo jugar con diferentes algoritmos de optimización. Tenga en cuenta que el data2.csv está a sólo 2 columna de dobles sin rownames y sin Cabecera.
Por desgracia numérico MLE es muy lento, incluso con 1000 puntos de datos ... yo estaría MUY interesado en ver un proceso iterativo de estado espacio de la solución, si manejable. Sin embargo, dudo de que uno ha sido desarrollado a partir de esto sólo llegó en 2006 y es la más popular entre la economía internacional de los investigadores que se centran en aplicar preguntas con baja frecuencia de los datos (por lo tanto numérica MLE es bueno para ellos).
FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.
