COPULAFIT.

适合数据

页面上倒塌

句法

Rhohat = Copulafit（'高斯'，U）
[Rhohat，Nuhat] = Copulafit（'T'，U）
[Rhohat，Nuhat，Nuci] = Copulafit（'T'，U）
Paramhat = Copulafit（家庭，U）
[paramhat，paramci] = comulafit（家庭，u）
___= copulafit（___，名称，价值）

描述

Rhohat.= comulafit（'高斯'，你）返回估计，Rhohat.，给定数据的高斯Copula的线性相关参数矩阵你。

例子

[Rhohat.那nuhat.] = copulafit（'t'，你）返回估计，Rhohat.，用于一个线性相关参数的矩阵T.Copula，以及自由度参数的估计，nuhat.，鉴于数据你。

[Rhohat.那nuhat.那NUCI.] = copulafit（'t'，你）还返回近似95％的置信区间，NUCI.，对于估计的自由度nuhat.。

Paramhat.= copulafit（家庭那你）返回估计，Paramhat.，Copula参数的一分匹偏见的Archimedean Copula的类型由家庭，鉴于数据你。

[Paramhat.那PARAMCI.] = copulafit（家庭那你）还返回近似95％的置信区间，PARAMCI.，对于估计的copula参数Paramhat.。

___= copulafit（___那名称，价值）返回任何以前的语法，其中一个或多个指定的其他选项名称，价值对论点。例如，您可以使用选项结构指定要计算的置信区间来计算或指定迭代参数估计算法的控制参数。

例子

全部收缩

打开脚本

负载和绘图模拟库存退回数据。

加载储存者X =股票（：，1）;Y =股票（:,2）;数字;散点图（x，y）

使用累积分布函数的内核估计器将数据转换为copula秤（单位方形）。

u = ksdenty（x，x，'功能'那'CDF'）;v = ksdenty（y，y，'功能'那'CDF'）;数字;散点图（U，V）Xlabel（'U'）ylabel（'v'）

适合A.T.copula到数据。

RNG.默认重复性的％[rho，nu] = copulafit（'T'，[紫外线]，'方法'那'近似值'）
RHO = 1.0000 0.7220 0.7220 1.0000 NU = 3.2017E + 06

从中生成随机样本T.系词。

r = copularnd（'T'，rho，nu，1000）;U1 = R（：，1）;v1 = r（:,2）;数字;散点图（U1，v1）xlabel（'U'）ylabel（'v'）设置（get（gca，'孩子们'），'标记'那'。'）

将随机样本转换回数据的原始比例。

x1 = ksdenty（x，u1，'功能'那'ICDF'）;Y1 = ksdenty（y，v1，'功能'那'ICDF'）;数字;散点图（x1，y1）设置（get（gca，'孩子们'），'标记'那'。'）

输入参数

全部收缩

Copula值，指定为范围（0,1）中的标量值矩阵。如果你是一个N.-经过-P.矩阵，然后其值表示N.要点在P.- 专用单元HyperCube。如果你是一个N.-2矩阵，然后其值表示N.单位广场上的点。

如果指定了一分亚基亚德opula类型（'克莱顿'那'坦率'， 或者'gumbel'）， 然后你必须是AN.N.- 2矩阵。

数据类型：单身的|双倍的

Bivariate Archimedean Copula家族，被指定为以下之一。

'克莱顿' Clayton Copula.
'坦率' 弗兰克copula.
'gumbel' gumbel copula.

名称值对参数

指定可选的逗号分离对名称，价值论点。名称是参数名称和价值是相应的价值。名称必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen。

例子：'alpha'，0.01，'方法'，'inffimateml'为估计的Copula参数计算99％的置信区间，并使用近似方法拟合Copula。

置信区间的意义水平，指定为逗号分隔的对组成'Α'和范围内的标量值（0,1）。COPULAFIT.返回近似值100×（1-alpha）％置信区间。

例子：'alpha'，0.01

数据类型：单身的|双倍的

拟合方法T.Copula，指定为逗号分隔对组成'方法'和任何一种'ml'或者'近似值'。

如果您指定'近似值'， 然后COPULAFIT.适合A.T.通过最大化近似于自由度参数的轮廓对数似然性的目标函数来实现大型样本的copula[1]。这种方法可以比最大可能性更快（'ml'）但是估计和置信限度可能不准确到中等样本尺寸。

例子：'方法'，'inffimateml'

控制参数规范，指定为逗号分隔对组成'选项'和创建的选项结构实例化。要查看字段和默认值COPULAFIT.， 类型statset（'copulafit'）在命令提示符下。

指定copula类型时，此名称值对不适用'高斯'。

数据类型：塑造

输出参数

全部收缩

鉴于数据的估计拟合高斯Copula的相关参数你，作为标量值的矩阵返回。

估计适合的自由度参数T.Copula，作为标量值返回。

自由度参数的近似置信区间，作为标量值的1×2矩阵返回。第一列包含较低边界，第二列包含上边界。默认，COPULAFIT.返回近似95％的置信区间。您可以使用置信区间指定不同的置信区间'Α'名称值对。

拟合ARCHIMEDEAN COPULA的估计COPULA参数，作为标量值返回。

Copula参数的近似置信区间，作为标量值的1×2矩阵返回。第一列包含较低边界，第二列包含上边界。默认，COPULAFIT.返回近似95％的置信区间。您可以使用置信区间指定不同的置信区间'Α'名称值对。

算法

默认，COPULAFIT.使用最大可能性来适应谱系你。什么时候你包含通过参数估计其边缘累积分布函数的参数估计转换为单元超级别的数据，这被称为利润率推断功能（IFM）方法。什么时候你包含由经验CDF转换的数据（参见ecdf.），这被称为规范最大可能性（CML）。

参考

[1]Bouyé，E.，V.Durrleman，A.Nikeghbali，G. Riboulet和T. Roncalli。“金融金融：阅读指南和一些应用。”工作文件。Groupe de RechercheOpélationnelle，CréditLyonnais，巴黎，2000年。

也可以看看

||||

话题

在R2007B中介绍

统计和机器学习工具箱文档
万博1manbetx
掌握机器学习：使用MATLAB逐步指南

掌握机器学习：使用MATLAB逐步指南

下载电子书