Yo soy de ajuste cópula para registro de datos devuelve los datos de mi tesis de pregrado, y la comparación de la calidad del ajuste con el AIC. Una cosa interesante que he encontrado es que la cópula de Clayton, que ha negativa de la cola de la dependencia, proporciona un peor ajuste, a continuación, la Normal y Gumbel cúpulas, que no tienen y positivo de la cola de la dependencia, respectivamente. Parece que una cópula de la familia que ha negativa de la cola de la dependencia debe tener un mejor ajuste porque los mercados están más correlacionados en los accidentes.
He mirado el apoyo conjunto de la cópula de Clayton, y tiene un gran grado de "difusión" en el positivo de la cola. Creo que esta es la razón por la que la cópula de Clayton no ajuste la devuelve los datos bien. Sin embargo, no puedo encontrar una cópula basado en la métrica que explica esto. La cola de la dependencia sería el candidato más obvio, pero realmente no se explica este comportamiento (comparar con la negativa de las colas de una cópula Gumbel con el positivo de la cola de una cópula de Clayton, ambos tienen 0 dependencia en esas colas pero la distribución es muy diferente). Me preguntaba si había alguna alternativa métrica que puede ser utilizado para explicar esto. Gracias!
