模型估计等式(8)中权益价值的动态取决于总体参数和边际分布参数。我们用θ表示copula函数c(FAC,FAL,FBC,FBL)的参数向量,用δm表示边缘分布m,m的参数向量∈ {AC,AL,BC,BL}。向量 = (δAC,δAL,δBC,δBL)包含边缘的参数,ψ=(, θ) 表示与(8)关联的全套参数。为了估计ψ,我们遵循Joe和Xu(1996)提出的边际推理函数(IFM)程序。IFM方法估计边缘参数在第一步中,然后估计copula参数θ,给定^如果是M,在第二步中。4.1. 边缘参数估计为了对边缘进行建模,我们采用了基于双组分正态混合的参数方法。这种方法是由第5.1节所述的大量测试和模拟研究推动的。使用混合分布来模拟多峰现象是一种流行的技术,这引起了文献中几位作者的兴趣,例如McLachlan和Peel(2000)。Peel和McLachlan(2000)使用ECM算法将Student t分布的混合数据拟合到包含具有重尾或典型观测的观测组的数据中。Komarek和Lesa ffre(2008)提出通过混合高斯分布对广义线性混合模型的随机效应进行建模,并使用MCMC技术在贝叶斯环境下估计参数。Escobar和West(1995)使用混合的Dirichlet过程进行密度估计。有关用于密度估计的贝叶斯非参数方法的综述,请参见e.g.M¨uller等人(2015)。
|