d*******1
发帖数: 293 | 1 做一个monte carlo 模型, 遇到一个问题, 有两个变量, correlated, 如果都是noraml
distribution, 还好处理, 关键是要是一个是normal, 一个是cauchy distribution的
话, 该如何 sampling, 不知道各位有没有好的办法 | I***e
发帖数: 1136 | 2 Correlation with cauchy distribution isn't well defined: cauchy dist'n doesn
't have even first moment. | d*******1
发帖数: 293 | 3 yes, it has no variance. How about beta distribution? | J******d
发帖数: 506 | 4 搞U_1和U_2两个U[0,1], correlation = r.
通过U_1和U_2搞个normal X和beta Y出来。
然后Monte Carlo很多次把r_0试出来，使得X和Y的correlation是你所需要的.
然后用r_0来Monte Carlo.
【在 d*******1 的大作中提到】
: yes, it has no variance. How about beta distribution?
| F****r
发帖数: 345 | 5 试过copula吗？
noraml
【在 d*******1 的大作中提到】
: 做一个monte carlo 模型, 遇到一个问题, 有两个变量, correlated, 如果都是noraml
: distribution, 还好处理, 关键是要是一个是normal, 一个是cauchy distribution的
: 话, 该如何 sampling, 不知道各位有没有好的办法
| d*******1
发帖数: 293 | | d*******1
发帖数: 293 | 7 今天看了些copula的资料, 感觉主要还是用来算correlation的,就如计算非正泰分布的变量的之间的关系, 来计算VAR. 可是这个如何用来random sampling呢? | K*****Y
发帖数: 629 | 8 If the marginal distribution does not belong to the family of elliptical distribution, then correlation is not a good measure of dependence, copula is more general here.
Your joint distribution will take the form: F(x,y) = C(F1(x),F2(y),theta). Where F1,F2 are your marginal distributions, while C is the copula function. You need to estimate the unknown parameter theta though.
If you want to stick to the correlation framework, another simpler approach would be like this:
Simulate (Z1,Z2), w | p*****w
发帖数: 82 | |
|
