Aller au contenu principal
Using Optimization Techniques for Discrete Copula Modeling
Performing parameter estimation for discrete data with no knowledge of any underlying distributions is a difficult task. Copula modelling may be used in order to determine the dependence between variables even when there is no knowledge of any underlying distributions, though many of the useful properties of copulas fall apart when working with discrete data. However, if one proceeds with caution, it is still possible to use copulas in order to perform parameter estimation and access dependence between variables even in the discrete data case. When applying powerful and well-studied optimization techniques that have recently achieved great interest in the field of optimization, such as stochastic gradient descent and Limited-memory BFGS, it is possible to effectively create a general method for parameter estimation given any known copula, such that the method addresses the complexities of discrete data.
Utilisation de techniques d'optimisation pour la modélisation de copules discrètes
L'estimation des paramètres pour des données discrètes est une tâche difficile sans connaissance des distributions sous-jacentes. La modélisation par copules peut être utilisée pour déterminer la dépendance entre les variables même sans connaissance des distributions sous-jacentes, mais de nombreuses propriétés utiles des copules disparaissent lorsqu'on travaille avec des données discrètes. Cependant, si l'on procède avec prudence, il demeure possible d'utiliser les copules pour effectuer une estimation des paramètres et accéder à la dépendance entre les variables, même dans le cas de données discrètes. Avec des techniques d'optimisation puissantes et bien étudiées qui ont récemment suscité un grand intérêt dans le domaine de l'optimisation, telles que la descente de gradient stochastique et le BFGS à mémoire limitée, il est possible de créer une méthode générale et efficace pour estimer les paramètres pour n'importe quelle copule connue, en prenant en compte les complexités des données discrètes.
Date and Time
-
Co-auteurs (non y compris vous-même)
Christian Genest
McGill University
Johanna Nešlehová
McGill University
Courtney Paquette
McGill University
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais

Speaker

Edit Name Primary Affiliation
Alexandra Kravchuk McGill University