我正在与一家数据库合作,讨论来自不同企业的保险损失。
我如何随机生成一个三维 gumbel copula来汇总三个业务线?我不知道tau参数,但我只有这两个扇区之间的Pearson相关系数。不幸的是,我使用了Pearson rho和tau参数之间典型的Gaussian Copula的闭合关系:
{tau=(2/pi)*asin(rho)}
这是一个很好的代理人;我该怎么办呢? 此外,我试图实现rHAC功能(在“HAC”包中),它允许我直接生成三维copula;之后,我使用分位数函数来获得要求和的新值
{quantile(db[,1],probs=gumbel[,1]);
quantile(db[,2],probs=gumbel[,2]),
etc...
}
否则,我也试图利用这个功能
rCopula(N_gumbel,gumbelCopula(1/(1- tau),dim=2))
需要分层结构:
首先,我必须汇总(A,B)
,然后汇总(A+B,C)
。在此阶段,再次需要函数quantile
。在这两种情况下,相关矩阵是:
matrix(c(1,0.5,0.25,0.5,1,0.25,0.25,0.25,1),nrow=3,ncol=3)
我注意到随机生成的元素之间的相关性并不完全等于原始值。此外,现金金额(在分位数函数之后生成)之间的相关性高于精确的(定义为假设)。
这一事实造成了巨大的问题。该聚合的结果类似于通过高斯Copula获得的结果。这是不可能的!
过程是:
rho
皮尔森,我不想让它适合它)我非常感谢所有的建议。