连接函数模型

连接函数（copula）是一种具有均匀边缘分布的多元分布，它将变量之间的依赖关系与其各自的边缘分布分开编码。

Definition

连接函数模型通过将任意边缘分布与连接函数相结合来表示联合分布，该连接函数在均匀边缘分布的单位超立方体上捕获依赖结构。

Scope

本主题涵盖了Sklar定理及其将联合分布分解为边缘分布和连接函数的方法，常见的连接函数族，如高斯连接函数、t连接函数和阿基米德连接函数，依赖性度量，包括秩相关和尾部依赖性，以及基于连接函数模型的估计和模拟。

Core questions

• 如何将依赖性与边缘分布分开建模？
• 哪些连接函数族捕获了哪种依赖性，包括尾部依赖性？
• 连接函数模型如何进行估计和模拟？
• 尾部依赖性何时对联合风险很重要？

Key theories

Sklar定理

每个多元分布都可以用其边缘分布和连接它们的连接函数来表示，对于连续边缘分布，连接函数是唯一的，这证明了边缘分布和依赖性可以分开建模。

尾部依赖性

不同的连接函数意味着不同程度的联合极端行为；尾部依赖系数量化了变量共同取极端值的趋势，这是高斯连接函数所缺乏但t连接函数和某些阿基米德连接函数所具备的特性。

Clinical relevance

连接函数模型广泛用于量化金融和保险、水文学以及可靠性领域中依赖性的建模和模拟，在这些领域中，极端事件的共同发生是主要关注点。

History

连接函数概念由Sklar于1959年提出，其定理确立了边缘分布和依赖性的分离。连接函数在20世纪后期在应用依赖性建模中变得突出，特别是在风险管理中，其中高斯连接函数在尾部的局限性后来受到了审查。

Debates

高斯连接函数的误用

高斯连接函数在金融风险建模中被广泛应用，但它没有尾部依赖性，因此可能严重低估联合极端损失的概率，这一局限性在金融危机后得到了强调。

Key figures

• Abe Sklar
• Roger Nelsen
• Harry Joe

Seminal works

• nelsen2006
• joe1997
• mcneil2015

Frequently asked questions

为什么要将边缘分布与依赖性分开？

它允许每个变量的边缘分布以其自身适当的形式进行建模，而连接函数独立地捕获变量如何共同变化，从而提供了极大的建模灵活性。

什么是尾部依赖性？

它是变量同时取极端值的趋势；连接函数在是否允许这种联合极端方面有所不同，这对于建模联合风险至关重要。