Efficient Importance Sampling for Copula Models with Applications

NCU Institutional Repository > 理學院 > 統計研究所 > 博碩士論文 > Item 987654321/64519

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/64519

题名:	Efficient Importance Sampling for Copula Models with Applications
作者:	徐慈陽;Hsu,Tzu-Yang
贡献者:	統計研究所
关键词:	Copula;重點抽樣;模擬;拔靴法;Copula;importance sampling;simulation;bootstrap
日期:	2014-06-16
上传时间:	2014-08-11 18:35:46 (UTC+8)
出版者:	國立中央大學
摘要:	本篇研究是針對在copula 模型之下，提出一種有效率的重點抽樣演算法，使得罕見事件的模擬可以得到改善。其最佳機率測度的尋找方式為：固定在一個參數化的指數傾斜性家族，接而最小化蒙地卡羅估計的變異數而得之。由於copula 模型是由一個copula 函數和單維度的邊際累積分配函數構成，具有較為複雜的形式，其動差生成函數計算上較為困難，因此，我們先行應用轉換概似函數 (TLR) 方法使其得到另一個指數傾斜性家族，接著在這個新的指數傾斜性家族找最佳機率測度的解。本研究方法具有普遍性，可應用在許多copula 模型。為了描述本研究方法的廣大應用性，本篇研究有幾個應用：第一，使用拔靴法估計信賴區間的應用；第二，信用風險管理上，其優先損失的計算。由模擬結果可得，本研究方法相對於一般蒙地卡羅方法，變異數減少的量很大，具有顯著的效率性。;In this thesis, we propose an efficient importance sampling algorithm for rare event simulation under copula models. The derived optimal probability is based on the criterion of minimizing the variance of the Monte Carlo estimator within a parametric exponential tilting family. Since copula model is defined on a copula function for one-dimensional marginal cumulative distribution functions of a random vector, and its moment generating function is not easy to get, we apply the transform likelihood ratio (TLR) method to have an alternative exponential tilting family first. And then obtain a simple and explicit expression of the optimal alternative distribution under this transformed exponential tilting family. The importance sampling framework we propose is quite general and can be implemented for many classes of copula models from which sampling is feasible. To illustrate the broad applicability of our method, we study bootstrap confidence intervals for multivariate distributions based on copula models, to which substantial variance reduction was obtained in comparison to standard Monte Carlo estimators.
显示于类别:	[統計研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	506	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....