Аннотация

В работе рассмотрены практические аспекты моделирования совместного распределения пар национальных биржевых индексов посредством копула-функций. Для получения оценок параметров частных распределений, а также параметра копулы, описывающей структуру зависимости, использован эмпирический байесовский подход, численно реализованный с помощью алгоритма Метрополиса со случайным блужданием. Проводится сопоставление параметрического и полупараметрического подходов к построению копулярных моделей. Обсуждается проблема выбора класса парных копула-функций, наилучшим образом приближающего такие эмпирические характеристики зависимости фондовых индексов, как коэффициент корреляции Кендалла, функцию совместного распределения, поведение хвостов.

Аннотация

Объективные (неинформативные) априорные распределения играют важную роль в байесовской статистике. Наиболее известные пути построения объективных априорных распределений включают правило Джеффриса, принцип соответствия вероятностей и референтный подход, предложенный Бергером и Бернардо. Все существующие методы достаточно трудоемки, особенно в случае векторного параметра, что часто является препятствием к получению точных аналитических решений. Предлагаемая автором альтернативная конструкция неинформативных априорных распределений основана на концепции информации Хеллингера, определяемой через расстояние Хеллингера между точками параметрического семейства распределений. В регулярном случае предложенный подход обобщает правило Джеффриса. Однако, что наиболее интересно, информация Хеллингера может использоваться и в нерегулярных случаях, когда правило Джеффриса неприменимо. Неинформативные априорные распределения, основанные на информации Хеллингера, построены для нерегулярного класса распределений Гхосала–Саманты и некоторых интересных примеров параметрических семейств вне этого класса.