Statistical Analysis of Copulas

Worum geht's

Du lernst multivariate Abhängigkeitsstrukturen mit Hilfe von Copulas zu modellieren und speziell Vine-Copula-Modelle (C-, D- und R-Vines) zu verstehen, zu schätzen und anzuwenden. Am Ende kannst Du geeignete Vine-Modelle auswählen, in R mit VineCopula/CDVine umsetzen, simulieren sowie Ergebnisse interpretieren und beurteilen.

Was du danach kannst

• Kenntnis wichtiger bivariater Copula-Familien und ihrer Eigenschaften
• Verstehen von Abhängigkeitsmaßen (inkl. Tail-Dependence)
• Aufbau und Konstruktion von C-, D- und R-Vines
• Simulation aus Vine-Modellen
• Parameterschätzung und Modellselektion für Vines (IFM, MPL, Bayes)
• Anwendung der R-Pakete CDVine() und VineCopula()
• Durchführung von Goodness-of-Fit-Tests für Copulas
• Verständnis spezieller Vine-Modelle (z.B. time varying, Markov switching, factor vines)

Aus was das Modul besteht

• VorlesungPräsentation der Inhalte, demonstrative Beispiele und Diskussionen
• Übung / PraxisÜbungsblätter, Lösungen und praktische Datenauswertung zur Vertiefung

Lehrmethode

• LectureEinführung der Konzepte und Beispiele, Anregung zur eigenständigen Literaturarbeit
• Theoretical and data exercises for self studyVertiefung durch Übungsaufgaben und praktische Anwendungen
• Practice sessionsDurchführung von Übungen, Verfügbarkeit von Aufgaben und Lösungen zur Selbstkontrolle