Question

我正在尝试将MatLab中的t copula与我的数据相匹配，我的功能是：

u = ksdensity(range_1,  range_1,'function','cdf');
v = ksdensity(range_2,  range_2,'function','cdf');
%fit a t-copula to returns
rng default ; % For reproducibility
[Rho,nu] = copulafit('t',[u v],'Method','ApproximateML');

我收到一条错误消息：

使用chol时出错       矩阵必须是正定的       copulafit / approxProfileNLL_t中的错误（第314行）
      nll = negloglike_t（nu，chol（Rho），t_）;
      copulafit中的错误＆gt; bracket1D（第494行）
      oldnll = nllFun（bound）;
      copulafit错误（第126行）
      [lowerBnd，upperBnd] = bracket1D（profileFun，lowerBnd，5）; ％＆＃39; upper＆＃39;，从5开始搜索

我知道它是由于chol()分解而发生的，但我不知道应该更改哪些参数来克服这个问题。任何帮助将不胜感激。

我使用的数据看起来像是：

 range_1         range_2
-0.639388612    -0.639388612
1.029603565     1.029603565
1.273883288     1.273883288
0.754717135     0.754717135
1.747817835     1.747817835
1.717787291     1.717787291
-0.120625114    -0.120625114
2.173913469     2.173913469
2.836879977     2.836879977
-0.804601995    -0.804601995
       0         0

Answer 1

实际上，您的range1和range2变量完全相同。在命令窗口中进行简单检查即可确认：

eq = (range1 == range2)

eq =

  11×1 logical array

   1
   1
   1
   1
   1
   1
   1
   1
   1
   1
   1

由于copulafit函数的目标是计算高斯Copula的线性相关参数矩阵的估计值，因此整个过程失败，输入变量过于相关：

c = corr(range1,range1); % 1

实际上，我们在range1和range2之间正面临着完美的正相关关系。抛出异常chol（引用here）的函数只是生成高斯Copula拟合的过程的一部分，它由copulafit函数内部调用

您拥有的唯一解决方案是：

更改变量
向您的变量添加随机噪音（如果您被允许）

让我们使用第二个选项做个例子：

range1 = [
    -0.639388612
    1.029603565
    1.273883288
    0.754717135
    1.747817835
    1.717787291
    -0.120625114
    2.173913469
    2.836879977
    -0.804601995
    0
];

% just an example, I'm tired of using rand function xD
range2 = awgn(range1,1,'measured');

u = ksdensity(range1,  range1,'function','cdf');
v = ksdensity(range2,  range2,'function','cdf');
rng default ;
[Rho,nu] = copulafit('t',[u v],'Method','ApproximateML');

这样可以正常运行。

MatLab：chol Matrix必须是肯定的

1 个答案: