کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6858865 | 1438412 | 2018 | 16 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
On multivariate asymmetric dependence using multivariate skew-normal copula-based regression
ترجمه فارسی عنوان
در وابستگی نامتقارن چند متغیره با استفاده از رگرسیون مبتنی بر کوپولی عاملی چند متغیره
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
اندازه گیری وابستگی نامتقارن، رگرسیون کاپولا، چند ضلعی مقطع عادی،
ترجمه چکیده
در این مقاله، ما یک روش برای مطالعه وابستگی نامتقارن داده های چند متغیره پیشنهاد می کنیم. روش پیشنهادی شامل متدولوژی است که در تحلیل وابستگی نامتقارن چند متغیره مورد توجه قرار نگرفته است. ما برای اولین بار از رگرسیون مبتنی بر کوپول چند متغیر نامتقارن استفاده می کنیم تا وابستگی نامتقارن را در بین متغیرهای مختلف بدست آوریم. سپس ما اندازه گیری وابستگی چندگانه را برای اندازه گیری عدم تقارن در قدرت پیش بینی پیش بینی های پیش بینی شده برای یک متغیر پاسخ اولیه ارائه می دهیم. ما روش های پیشنهادی را با استفاده از یک کلاس چندگانه متشکل از مقادیر عادی کلاسیک نامتقارن نشان می دهیم. مثال کاربردی در مورد عدم تقارن دارایی های مالی مزایای روش های پیشنهادی را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
In this paper we propose a procedure to study the asymmetric dependence of the multivariate data. The proposed procedure comprises methodologies that have not been considered in the analysis of multivariate asymmetric dependence. We first utilize the asymmetric multivariate copula-based regression to capture the asymmetric dependence among multiple variables. We then introduce the multiple asymmetric dependence measure to quantify the asymmetry in the predictive power of the tentative predictors for a tentative response variable. We demonstrate the proposed methods using a class of asymmetric multivariate skew normal copulas. An application example on the asymmetric comovements of financial assets illustrates the benefits of the proposed methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Approximate Reasoning - Volume 92, January 2018, Pages 376-391
Journal: International Journal of Approximate Reasoning - Volume 92, January 2018, Pages 376-391
نویسندگان
Zheng Wei, Daeyoung Kim,