Κοπούλα (θεωρία πιθανοτήτων): Διαφορά μεταξύ των αναθεωρήσεων

Περιεχόμενο που διαγράφηκε Περιεχόμενο που προστέθηκε
Spiros790 (συζήτηση | συνεισφορές)
Δημιουργήθηκε από μετάφραση της σελίδας "Copula (probability theory)"
Γραμμή 31:
:*: <math> \int_B dC(u) =\sum_{\mathbf z\in \times_{i=1}^{d}\{x_i,y_i\}} (-1)^{N(\mathbf z)} C(\mathbf z)\ge 0,</math>
:: πού την <math>N(\mathbf z)=\#\{k : z_k=x_k\}</math>.
Για παράδειγμα, στη διμεταβλητή περίπτωση, <math>C:[0,1]\times[0,1]\rightarrow [0,1]</math> είναι μια διμεταβλητή επίπεδο, αν <math>C(0,u) = C(u,0) = 0 </math>, <math>C(1,u) = C(u,1) = u </math> και <math>C(u_2,v_2)-C(u_2,v_1)-C(u_1,v_2)+C(u_1,v_1) \geq 0 </math> για όλους <math>0 \leq u_1 \leq u_2 \leq 1</math> και <math>0 \leq v_1 \leq v_2 \leq 1</math>.
 
== Το θεώρημα του Sklar ==
Γραμμή 161 ⟶ 160 :
Σε στατιστικές εφαρμογές, πολλά προβλήματα μπορούν να διατυπώνεται με τον ακόλουθο τρόπο. Είναι ενδιαφέρονται για την προσδοκία της συνάρτησης απόκρισης <math>g:\mathbb{R}^d\rightarrow\mathbb{R}</math> εφαρμόζεται σε κάποιο τυχαίο διάνυσμα <math>(X_1,\dots,X_d)</math>.<ref>Alexander J. McNeil, Rudiger Frey and Paul Embrechts (2005) "Quantitative Risk Management: Concepts, Techniques, and Tools", Princeton Series in Finance</ref> Αν συμβολίζουμε το cdf από αυτό το τυχαίο διάνυσμα με <math>H</math>, η ποσότητα του ενδιαφέροντος, μπορεί έτσι να γραφτεί ως
: <math> \mathbb{E} \left[ g(X_1,\dots,X_d) \right] = \int_{\mathbb{R}^d} g(x_1,\dots,x_d) \, dH(x_1,\dots,x_d).</math>
 
Αν <math>H</math> δίνεται από ένα επίπεδο πρότυπο, δηλαδή,
: <math>H(x_1,\dots,x_d)=C(F_1(x_1),\dots,F_d(x_d))</math>
 
η προσδοκία αυτή μπορεί να ξαναγραφεί ως
: <math>\mathbb{E}\left[g(X_1,\dots,X_d)\right]=\int_{[0,1]^d}g(F_1^{-1}(u_1),\dots,F_d^{-1}(u_d)) \, dC(u_1,\dots,u_d).</math>
 
Σε περίπτωση που το επίπεδο '''C''' είναι απολύτως συνεχής, δηλαδή '''C''' έχει πυκνότητα '''c''', η εξίσωση αυτή μπορεί να γραφτεί ως
: <math>\mathbb{E}\left[g(X_1,\dots,X_d)\right]=\int_{[0,1]^d}g(F_1^{-1}(u_1),\dots,F_d^{-1}(u_d))\cdot c(u_1,\dots,u_d) \, du_1\dots du_d,</math>
 
και αν κάθε οριακή κατανομή έχει την πυκνότητα <math>f_i</math> που κατέχει περαιτέρω ότι
: <math>\mathbb{E}\left[g(X_1,\dots,X_d)\right]=\int_{\mathbb{R}^d}g(x_1,\dots x_d)\cdot c(F_1(x_1),\dots,F_d(x_d))\cdot f_1(x_1)\cdot ... \cdot f_d(x_d) \, dx_1\dots dx_d.</math>
 
Αν το επίπεδο και τα περιθώρια είναι γνωστά (ή αν έχουν κατ ' εκτίμηση), αυτή η προσδοκία μπορεί να προσεγγιστεί μέσα από το ακόλουθο Monte Carlo αλγόριθμος:
::: <br>
# Σχεδιάστε ένα δείγμα <math>(U_1^k,\dots,U_d^k)\sim C\;\;(k=1,\dots,n)</math> μεγέθους '''n''' από το επίπεδο '''C'''
# Εφαρμόζοντας το αντίστροφο οριακό cdf, παράγει ένα δείγμα <math>(X_1,\dots,X_d)</math> από τη ρύθμιση <math>(X_1^k,\dots,X_d^k)=(F_1^{-1}(U_1^k),\dots,F_d^{-1}(U_d^k))\sim H\;\;(k=1,\dots,n)</math>
# Κατά προσέγγιση <math>\mathbb{E}\left[g(X_1,\dots,X_d)\right]</math> από την εμπειρική τιμή:
::: <math>\mathbb{E}\left[g(X_1,\dots,X_d)\right]\approx \frac{1}{n}\sum_{k=1}^n g(X_1^k,\dots,X_d^k)</math>
 
== Εμπειρική copulas ==
Γραμμή 198 ⟶ 194 :
Ο τύπος επίσης έχει προσαρμοστεί για χρηματοπιστωτικές αγορές και χρησιμοποιήθηκε για την εκτίμηση της κατανομής πιθανοτήτων των ζημιών στις πισίνες από δάνεια ή ομόλογα.Οι χρήστες του τύπου έχουν επικριθεί για τη δημιουργία 'αξιολόγησης των πολιτισμών' που συνέχισαν να χρησιμοποιούν την απλή copulae παρά το ότι οι απλές εκδόσεις θεωρούνται ως ανεπαρκείς για το σκοπό αυτό.Κατά τη διάρκεια μειωνεκτηματικού καθεστώτος,ένας μεγάλος αριθμός επενδυτών που κατέχουν θέσεις με πιο ριψοκίνδυνα περιουσιακά στοιχεία, όπως μετοχές ή ακίνητη περιουσία μπορεί να αναζητήσουν καταφύγιο σε 'ασφαλέστερες' επενδύσεις όπως μετρητά ή ομόλογα.Αυτό είναι επίσης γνωστό ως φαινόμενο 'πτήσης' προς την ποιότητα και οι επενδυτές τείνουν να βγουν από τις θέσεις τους σε πιο ριψοκίνδυνα περιουσιακά στοιχεία σε μεγάλους αριθμούς σε σύντομο χρονικό διάστημα.Ως αποτέλεσμα,κατά τη διάρκεια μειωνεκτικών καθεστώτων,συσχετίσεις σε μετοχές είναι μεγαλύτερες αυτό όμως από την άλλη πλευρά μπορεί να έχει καταστροφικές επιπτώσεις για την οικονομία.Για παράδειγμα,συχνά διαβάζουμε οικονομικές ειδήσεις οι οποίες αναφέρουν την απώλεια εκατοντάδων εκατομμυρίων δολαρίων στο χρηματηστήριο μέσα σε μια μια μέρα ωστόσο σπάνια διαβάζονται θετικές αναφορές στη χρηματιστηριακή αγορά με κέρδη του ίδιου μεγέθους και στο ίδιο σύντομο χρονιίκό διάστημα.
 
Copulas είναι χρήσιμο στο χαρτοφυλάκιο/διαχείρισης του κινδύνου και να μας βοηθήσει να αναλύσει τις επιπτώσεις της μειονέκτημα καθεστώτα, επιτρέποντας την μοντελοποίηση των περιθωριακοί και δομή εξάρτησης από ένα πολυμεταβλητό μοντέλο πιθανοτήτων ξεχωριστά. Για παράδειγμα, σκεφτείτε το χρηματιστήριο ως μια αγορά που αποτελείται από ένα μεγάλο αριθμό των εμπόρων κάθε λειτουργικό με τις δικές του στρατηγικές για να μεγιστοποιήσουν τα κέρδη. Η ατομικιστική συμπεριφορά του κάθε trader μπορεί να περιγραφεί από τη μοντελοποίηση του περιθωριακοί. Ωστόσο, όπως όλες οι επιχειρήσεις λειτουργούν με την ίδια exchange, κάθε trader δράσεις που έχουν αλληλεπίδραση με άλλους επιχειρηματίες". Αυτή η αλληλεπίδραση μπορεί να περιγραφεί μέσω της μοντελοποίησης της εξάρτησης δομή. Ως εκ τούτου, copulas μας επιτρέπει να αναλύσουμε την αλληλεπίδραση αποτελέσματα που παρουσιάζουν ιδιαίτερο ενδιαφέρον κατά τη διάρκεια μειονέκτημα καθεστώτα, καθώς οι επενδυτές έχουν την τάση να συγκεντρώνουν τις συναλλαγές τους συμπεριφορά και τις αποφάσεις.
== Παραπομπές ==
{{Reflist|30em}}
 
Προηγουμένως, επεκτάσιμη επίπεδο μοντέλα για μεγάλες διαστάσεις επιτρέπεται μόνο η μοντελοποίηση ελλειπτικές δομές εξάρτησης (δηλαδή, Gauss και την Student-t copulas) που δεν επιτρέπουν τη συσχέτιση ασυμμετρίες, όπου οι συσχετίσεις διαφέρουν όσον αφορά τους ανοδικούς ή καθοδικούς καθεστώτα. Ωστόσο, η πρόσφατη ανάπτυξη της αμπέλου copulas<ref>{{Πρότυπο:Cite book|url=http://rogermcooke.net/rogermcooke_files/Vines%20Arise%20Handbook%20VCM.pdf|title=Dependence Modeling Vine Copula Handbook|last2=Joe|first2=H.|date=January 2011|publisher=World Scientific|isbn=978-981-4299-87-9|pages=37–72|last1=Cooke|first1=R.M.|last3=Aas|first3=K.|editor1-last=Kurowicka|editor1-first=D.|editor2-last=Joe|editor2-first=H.}}</ref> (επίσης γνωστή ως ζευγάρι copulas) επιτρέπει την ευέλικτη μοντελοποίηση της εξάρτησης δομή για τα χαρτοφυλάκια των μεγάλων διαστάσεων.
<ref>{{Πρότυπο:Citation|title=Pair-copula constructions of multiple dependence|year=2009|postscript=<!--none-->|last1=Aas|last2=Czado|last3=Bakken|first1=K|first2=C|first3=H|journal=Insurance: Mathematics and Economics|volume=44|issue=2|pages=182–198|doi=10.1016/j.insmatheco.2007.02.001}}</ref>
Ο Κλέιτον canonical αμπέλου επίπεδο επιτρέπει την εμφάνιση των ακραίων μειονέκτημα εκδηλώσεις και έχει εφαρμοστεί με επιτυχία στην επιλογή χαρτοφυλακίου και η διαχείριση κινδύνων εφαρμογές. Το μοντέλο είναι σε θέση να μειώσει τις επιπτώσεις των ακραίων μειονέκτημα συσχετίσεις και παράγει τη βελτίωση της στατιστικής και των οικονομικών επιδόσεων σε σύγκριση με επεκτάσιμη ελλειπτικό εξάρτηση copulas όπως η Gauss και Student-t επίπεδο.<ref>{{Πρότυπο:Citation|title=Canonical vine copulas in the context of modern portfolio management: Are they worth it?|year=2013|postscript=<!--none-->|last1=Low|last2=Alcock|last3=Brailsford|last4=Faff|first1=R|first2=J|first3=T|first4=R|journal=Journal of Banking and Finance|volume=37|issue=8|pages=3085–3099|doi=10.1016/j.jbankfin.2013.02.036}}</ref> Άλλα μοντέλα που αναπτύχθηκαν για τη διαχείριση του κινδύνου εφαρμογές πανικού copulas που είναι κολλημένα με εκτιμήσεις της αγοράς του οριακού διανομές για να αναλύσει τις συνέπειες του πανικού καθεστώτα, για το χαρτοφυλάκιο, το κέρδος και την απώλεια διανομής. Πανικός copulas δημιουργούνται μέσω προσομοίωσης Monte Carlo, αναμιγνύεται με ένα re-στάθμιση των πιθανοτήτων του κάθε σεναρίου.<ref>{{Πρότυπο:Citation|last=Meucci|first=Attilio|title=A New Breed of Copulas for Risk and Portfolio Management|url=http://symmys.com/node/335|year=2011|postscript=<!--none-->|journal=Risk|volume=24|issue=9|pages=122–126}}</ref>
 
Όσον αφορά τα παράγωγα τιμών, εξάρτηση μοντελοποίηση με το επίπεδο λειτουργιών χρησιμοποιείται ευρέως σε εφαρμογές οικονομική αξιολόγηση των κινδύνων και αναλογιστικής ανάλυσης – για παράδειγμα, στην τιμολόγηση των [[Εγγυημένες δανειακές υποχρεώσεις|εξασφαλισμένες χρεωστικές υποχρεώσεις]] (CDOs).<ref>{{Πρότυπο:Citation|title=Copula sensitivity in collateralized debt obligations and basket default swaps|date=Nov 2003|quote=|postscript=<!--none-->|last1=Meneguzzo|last2=Vecchiato|first1=David|first2=Walter|authorlink=|journal=[[Journal of Futures Markets]]|volume=24|issue=1|pages=37–70|doi=10.1002/fut.10110|id=|accessdate=2008-10-29}}<code style="color:inherit; border:inherit; padding:inherit;">&#x7C;access-date=</code> requires <code style="color:inherit; border:inherit; padding:inherit;">&#x7C;url=</code> (help)</ref> Κάποιοι πιστεύουν ότι η μεθοδολογία εφαρμογής της Gaussian επίπεδο σε πιστωτικά παράγωγα , για να είναι ένας από τους λόγους πίσω από την [[Διεθνής χρηματοπιστωτική κρίση 2007-2008|παγκόσμια οικονομική κρίση του 2008-2009]].<ref>[http://www.wired.com/techbiz/it/magazine/17-03/wp_quant?currentPage=all Recipe for Disaster: The Formula That Killed Wall Street] ''Wired'', 2/23/2009</ref><ref>{{Πρότυπο:Citation|last=MacKenzie|first=Donald|title=End-of-the-World Trade|url=http://www.lrb.co.uk/v30/n09/mack01_.html|publication-date=2008-05-08|year=2008|postscript=<!--none-->|periodical=London Review of Books|accessdate=2009-07-27}}</ref>
Παρά αυτή την αντίληψη, υπάρχουν τεκμηριωμένες προσπάθειες του χρηματοπιστωτικού κλάδου, που εμφανίζονται πριν από την κρίση, για την αντιμετώπιση των περιορισμών της Gaussian επίπεδο και σε επίπεδο λειτουργιών γενικότερα συγκεκριμένα, η έλλειψη εξάρτησης δυναμική. Το Gaussian επίπεδο είναι ανύπαρκτη, καθώς επιτρέπουν επιτρέπει για μια ελλειπτική δομή εξάρτησης, όπως η εξάρτηση είναι μόνο το πρότυπο, χρησιμοποιώντας το variance-covariance matrix.<ref>{{Πρότυπο:Citation|title=Canonical vine copulas in the context of modern portfolio management: Are they worth it?|year=2013|postscript=<!--none-->|last1=Low|last2=Alcock|last3=Brailsford|last4=Faff|first1=R|first2=J|first3=T|first4=R|journal=Journal of Banking and Finance|volume=37|issue=8|pages=3085–3099|doi=10.1016/j.jbankfin.2013.02.036}}</ref> Αυτή η μεθοδολογία είναι περιορισμένη τέτοια που δεν επιτρέπει την εξάρτηση να εξελίσσονται καθώς οι χρηματοοικονομικές αγορές παρουσιάζουν ασύμμετρη εξάρτηση, την οποία συσχετίσεις σε περιουσιακά στοιχεία αυξάνουν σημαντικά κατά τη διάρκεια της ύφεσης σε σύγκριση με την άνοδο. Ως εκ τούτου, μοντελοποίηση προσεγγίσεις που χρησιμοποιούν την Gaussian επίπεδο παρουσιάζουν μια φτωχή εκπροσώπηση των ακραίων γεγονότων.<ref>{{Πρότυπο:Citation|title=Canonical vine copulas in the context of modern portfolio management: Are they worth it?|year=2013|postscript=<!--none-->|last1=Low|last2=Alcock|last3=Brailsford|last4=Faff|first1=R|first2=J|first3=T|first4=R|journal=Journal of Banking and Finance|volume=37|issue=8|pages=3085–3099|doi=10.1016/j.jbankfin.2013.02.036}}</ref><ref name="Lipton">{{Πρότυπο:Cite book|title=Credit Correlation: Life After Copulas|last2=Rennie|first2=Andrew|publisher=World Scientific|first1=Alexander|last1=Lipton|ISBN=978-981-270-949-3}}</ref> , έχουν γίνει προσπάθειες για να προτείνει μοντέλα που αποκαθιστά κάποια από το επίπεδο περιορισμούς.<ref name="Lipton">{{Πρότυπο:Cite book|title=Credit Correlation: Life After Copulas|last2=Rennie|first2=Andrew|publisher=World Scientific|first1=Alexander|last1=Lipton|ISBN=978-981-270-949-3}}</ref><ref>{{Πρότυπο:Cite journal|title=The devil is in the tails: actuarial mathematics and the subprime mortgage crisis|last2=Embrechts|first2=P,|publisher=ASTIN Bulletin 40(1), 1–33|year=2010|postscript=<!--none-->|last1=Donnelly|first1=C}}</ref><ref>{{Πρότυπο:Cite book|title=Credit Models and the Crisis: A Journey into CDOs, Copulas, Correlations and dynamic Models|last2=Pallavicini|first2=A|publisher=Wiley and Sons|year=2010|last1=Brigo|first1=D|last3=Torresetti|first3=R|postscript=<!--none-->}}</ref>
 
Ενώ η εφαρμογή της copulas σε πίστωση μέσω δημοτικότητα, καθώς και την ατυχία κατά τη διάρκεια της παγκόσμιας χρηματοπιστωτικής κρίσης του 2008-2009,<ref name="ft">{{Πρότυπο:Citation|last=Jones|first=Sam|title=The formula that felled Wall St|date=April 24, 2009|url=http://www.ft.com/cms/s/2/912d85e8-2d75-11de-9eba-00144feabdc0.html|postscript=<!--none-->|newspaper=[[Financial Times]]}}</ref> είναι αναμφισβήτητα ένα βιομηχανικό πρότυπο μοντέλο για την τιμολόγηση CDOs. Copulas επίσης, έχουν εφαρμοστεί και σε άλλες κατηγορίες περιουσιακών στοιχείων ως ένα ευέλικτο εργαλείο για την ανάλυση πολλαπλών στοιχείων ενεργητικού παράγωγα προϊόντα. Η πρώτη τέτοια εφαρμογή έξω από τα πιστωτικά ήταν να χρησιμοποιήσετε ένα επίπεδο για να κατασκευάσει μια σιωπηρή καλάθι αστάθεια επιφάνεια,<ref>{{Πρότυπο:Cite journal|title=Basket Implied Volatility Surface|last=Qu, Dong,|journal=Derivatives Week|issue=4 June.|year=2001|postscript=<!--none-->}}</ref> , λαμβάνοντας υπόψη την μεταβλητότητα χαμόγελο του καλαθιού συστατικά. Copulas έχουν κερδίσει τη δημοτικότητα δεδομένου ότι στην τιμολόγηση και διαχείριση των κινδύνων
<ref>{{Πρότυπο:Cite journal|title=Pricing Basket Options With Skew|last=Qu, Dong,|journal=Wilmott Magazine|issue=July.|year=2005|postscript=<!--none-->}}</ref>του
επιλογές πολλαπλών στοιχείων ενεργητικού με την παρουσία της μεταβλητότητας χαμόγελο/skew, στα ίδια κεφάλαια, συνάλλαγμα και σταθερού εισοδήματος, παράγωγα επιχειρήσεων. Κάποιο τυπικό παράδειγμα εφαρμογών των copulas παρατίθενται παρακάτω:
* Την ανάλυση και την τιμολόγηση αστάθεια χαμόγελο/skew εξωτικά καλάθια, π. χ. καλύτερο/χειρότερο;
* Την ανάλυση και την τιμολόγηση αστάθεια χαμόγελο/skew λιγότερο υγρό FX<sup class="noprint Inline-Template " style="margin-left:0.1em; white-space:nowrap;">&#x5B;''<span title="what is FX (September 2011)">αποσαφήνιση που απαιτείται</span>''&#x5D;</sup> cross , το οποίο είναι ουσιαστικά ένα καλάθι: ''C'' = ''S''<sub>1</sub>/''S''<sub>2</sub> ή ''C'' = ''S''<sub>1</sub>&#xB7;''S''<sub>2</sub>;
* Την ανάλυση και την διατίμηση εξάπλωσης επιλογών, ιδίως σε σταθερό εισόδημα, σταθερή ημερομηνία λήξης swap spread επιλογές.
* Η βελτίωση στις εκτιμήσεις για την αναμενόμενη απόδοση και variance-covariance matrix για την εισαγωγή σε εξελιγμένα mean-variance στρατηγικές βελτιστοποίησης.<ref>{{Πρότυπο:Cite journal|url=http://www.sciencedirect.com/science/article/pii/S0148619516000047|title=Enhancing mean–variance portfolio selection by modeling distributional asymmetries|last2=Faff|first2=R.|date=2016|journal=Journal of Economics and Business|doi=10.1016/j.jeconbus.2016.01.003|last3=Aas|first3=K.|last1=Low|first1=R.K.Y.}}</ref>
 
=== Πολιτικών Μηχανικών ===
Πρόσφατα,οι λειτουργίες copula έχουν εφαρμοστεί επιτυχώς στη κατασκευή βάσεων δεδομένων για την αξιοπιστία στην ανάλυση σε γέφυρες εθνικών οδών και σε διάφορες μελέτες προσομοίωσης για την πόλη,μηχανική και offshore engineering.Οι ερευνητές χρησιμοποιούν επίσης αυτές τις λειτουργίεςστον τομέα μεταφορών για να κατανοήσουν την αλληλεπίδραση της ατομικής συμπεριφοράς των οδηγών η οποία ρυθμίζει τη φύση(την λειτουργία) μιας ολόκληρης ροής κυκλοφορίας.
 
=== Μηχανική Αξιοπιστία ===
Copulas χρησιμοποιούνται για την αξιοπιστία της ανάλυσης πολύπλοκων συστημάτων των τμημάτων μηχανών με αντιμετωπίζοντας αποτυχημένες μεθόδους.
 
=== Εγγύηση Ανάλυσης Δεδομένων ===
Cοpulas χρησιμοποιούνται στην εγγύηση ανάλυσης δεδομένων,στην οποία η ουρά εξάρτησης αναλύεται.
 
=== Tυρβώδης καύση ===
Copulas χρησιμοποιούνται στη μοντελοποιήση της τυρβώδους εν μέρει προαναμεμειγμένας καύσης η οποία είναι κοινή  στον πρακτικό καυστήρα.
 
=== Ιατρική ===
Οι λειτουργίες copula έχουν χρησιμοποιηθεί επιτυχώς για την ανάλυση της νευρωνικών εξαρτήσεων και μετράει ακίδες στην νευροεπιστήμη.
 
=== Έρευνα Καιρού ===
Copulas έχουν χρησιμοποιηθεί εκτενώς σε έρευνες που σχετίζονται με το κλίμα και τον καιρό.
 
=== Γενιά Τυχαίου Διανύσματος ===
Μεγάλα συνθετικά ίχνη από φορείς και στάσιμες χρονικές σειρές μπορούν να δημιουργηθούν χρησιμοποιώντας το εμπειρικό επίπεδο,διατηρώντας παράλληλα ολόκληρη τη δομή εξάρτησης από μικρά σύνολα δεδομένων.Τέτοια εμπειρικά ίχνη είναι χρήσιμα σε διάφορες προσομοιώσεις βασισμένες στη μελέτη της απόδοσης.
 
== References ==
{{Reflist|30em}}
 
== Further reading ==
* The standard reference for an introduction to copulas. Covers all fundamental aspects, summarizes the most popular copula classes, and provides proofs for the important theorems related to copulas
:: Roger B. Nelsen (1999), "An Introduction to Copulas", Springer. [[:en:Special:BookSources/9780387986234|ISBN 978-0-387-98623-4]]
* A book covering current topics in mathematical research on copulas:
:: Piotr Jaworski, Fabrizio Durante, Wolfgang Karl Härdle, Tomasz Rychlik (Editors): (2010): "Copula Theory and Its Applications" Lecture Notes in Statistics, Springer. [[:en:Special:BookSources/9783642124648|ISBN 978-3-642-12464-8]]
* A reference for sampling applications and stochastic models related to copulas is
:: Jan-Frederik Mai, Matthias Scherer (2012): ''Simulating Copulas (Stochastic Models, Sampling Algorithms and Applications).'' World Scientific. [[:en:Special:BookSources/9781848168749|ISBN 978-1-84816-874-9]]
* A paper covering the historic development of copula theory, by the person associated with the "invention" of copulas, Abe Sklar.
:: Abe Sklar (1997): "Random variables, distribution functions, and copulas – a personal look backward and forward" in Rüschendorf, L., Schweizer, B. und Taylor, M. (eds) ''Distributions With Fixed Marginals & Related Topics'' (Lecture Notes – Monograph Series Number 28). [[:en:Special:BookSources/9780940600409|ISBN 978-0-940600-40-9]]
* The standard reference for multivariate models and copula theory in the context of financial and insurance models
:: Alexander J. McNeil, Rudiger Frey and Paul Embrechts (2005) "Quantitative Risk Management: Concepts, Techniques, and Tools", Princeton Series in Finance. [[:en:Special:BookSources/9780691122557|ISBN 978-0-691-12255-7]]
 
== External links ==
{{Portal bar|Μαθηματικά}}
* {{Πρότυπο:SpringerEOM|title=Copula|id=p/c110410}}
* [http://sites.google.com/site/copulawiki/ Copula Wiki: community portal for researchers with interest in copulas]
* [http://www.mathfinance.cn/tags/copula A collection of Copula simulation and estimation codes]
* [https://www.tu-chemnitz.de/mathematik/fima/publikationen/TSchmidt_Copulas.pdf Thorsten Schmidt (2006) "Coping with Copulas"]
* [http://www.crystalballservices.com/Resources/ConsultantsCornerBlog/tagid/21/Correlation.aspx Copulas & Correlation using Excel Simulation Articles]
* [http://www.worldscientific.com/doi/suppl/10.1142/p842/suppl_file/p842_chap01.pdf Chapter 1 of Jan-Frederik Mai, Matthias Scherer (2012) "Simulating Copulas: Stochastic Models, Sampling Algorithms, and Applications"]