Correlation and Beyond: Positive Definite Dependence Measures for Robust Inference, Flexible Scenarios, and Stress Testing for Financial Portfolios
创建于 更新于
摘要
本文提出了一种新方法Nonparametric Angles-based Correlation（NAbC），用于在真实金融数据复杂条件下，对所有正定的依赖度矩阵进行稳健推断。NAbC通过角度空间参数化，实现了对Pearson、Kendall、Spearman、尾部依赖矩阵等多种依赖度的精确有限样本分布估计，支持矩阵和细胞级别的置信区间和p值计算，允许灵活冻结任意子矩阵元素进行场景分析和压力测试。相比以往方法，NAbC提高了推断的稳健性、灵活性和解释力，实证结果显示其在多种真实世界数据条件下优于传统特征值方法，同时可扩展至因果建模和多样本比较[page::2][page::3][page::44][page::56][page::64][page::74]
