大规模 Skew-t Copulas 的高效变分推断及其在股票日内回报中的应用

本文介绍了一种基于偏态 t 因子 copula 模型的金融数据建模方法，该模型允许非对称和极端尾部依赖。作者使用贝叶斯变分推断方法估计高维度的 copula 模型，并应用于93只美国股票的日内收益预测。结果表明，偏态 t copula 提供了更准确的预测密度，并且基于估计的两两尾部依赖的投资组合选择策略相对于基准指数表现更好。