Název: Shrinkage for Gaussian and t copulas in ultra-high dimensions
Autoři: Anatolyev, Stanislav ; Pyrlik, Vladimir
Typ dokumentu: Výzkumné zprávy
Rok: 2021
Jazyk: eng
Edice: CERGE-EI Working Paper Series, svazek: 699
Abstrakt: Copulas are a convenient framework to synthesize joint distributions, particularly in higher dimensions. Currently, copula-based high dimensional settings are used for as many as a few hundred variables and require large data samples for estimation to be precise. In this paper, we employ shrinkage techniques for large covariance matrices in the problem of estimation of Gaussian and t copulas whose dimensionality goes well beyond that typical in the literature. Specifically, we use the covariance matrix shrinkage of Ledoit and Wolf to estimate large matrix parameters of Gaussian and t copulas for up to thousands of variables, using up to 20 times lower sample sizes. The simulation study shows that the shrinkage estimation significantly outperforms traditional estimators, both in low and especially high dimensions. We also apply this approach to the problem of allocation of large portfolios.
Klíčová slova: Gaussian copula; high dimensionality; t copula

Instituce: Národohospodářský ústav AV ČR (web)
Informace o dostupnosti dokumentu: Dokument je dostupný na externích webových stránkách.
Externí umístění souboru: https://www.cerge-ei.cz/pdf/wp/Wp699.pdf
Původní záznam: http://hdl.handle.net/11104/0322000

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-449694


Záznam je zařazen do těchto sbírek:
Věda a výzkum > AV ČR > Národohospodářský ústav
Zprávy > Výzkumné zprávy