J 2023

Composite pseudo-likelihood estimation for pair-tractable copulas such as Archimedean, Archimax and related hierarchical extensions

GÓRECKI, Jan a Marius HOFERT

Základní údaje

Originální název

Composite pseudo-likelihood estimation for pair-tractable copulas such as Archimedean, Archimax and related hierarchical extensions

Autoři

GÓRECKI, Jan (203 Česká republika, garant, domácí) a Marius HOFERT (276 Německo)

Vydání

Journal of Statistical Computation and Simulation, Taylor & Francis, 2023, 0094-9655

Další údaje

Jazyk

angličtina

Typ výsledku

Článek v odborném periodiku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Velká Británie a Severní Irsko

Utajení

není předmětem státního či obchodního tajemství

Odkazy

Kód RIV

RIV/47813059:19520/23:A0000368

Organizační jednotka

Obchodně podnikatelská fakulta v Karviné

UT WoS

000934897200001

Klíčová slova anglicky

Maximum pseudo-likelihood estimator; aggregated maximum pseudo-likelihood estimator; bivariate margins; probability density function; Archimedean and Archimax copulas; hierarchical copulas

Návaznosti

GA21-03085S, projekt VaV.
Změněno: 15. 12. 2023 13:16, Ing. Jan Górecki, Ph.D.

Anotace

V originále

The pairwise pseudo-likelihood estimator (PPLE) is introduced for estimating the parameters of pair-tractable copulas, so copulas with analytically or numerically tractable pairwise margins, such as Archimedean, hierarchical Archimedean, Archimax and hierarchical Archimax copulas. In cases where feasible, the PPLE is compared, by simulation, to the standard maximum pseudo-likelihood estimator (MPLE) in terms of bias, root mean squared error (RMSE) and run time. The PPLE is also compared to the aggregated MPLE (AMPLE) for hierarchical Archimedean copulas. The simulation results indicate that the PPLE has a bias and RMSE comparable to the MPLE for those Archimedean copulas where the latter is available. For hierarchical Archimedean and hierarchical Archimax copulas for which the MPLE is not easily available, the PPLE mostly outperforms the AMPLE in bias and RMSE, with a clear advantage in terms of run time.