Copula-based approaches, presented

Copula-based approaches, presented in section 3, seem adequate and
preferable to the widely employed assumption of multivariate Gaussian distributions4
of risk factor changes, if the risk factor changes are not normally
distributed.5 Section 3.1 gives an introduction to copula-based approaches
in the context of top-down risk aggregation. Various parametric distribution
functions that are used to model marginal distributions in the context of risk
aggregation are shortly mentioned in section 3.2. Section 3.3 presents some
selected bivariate and two multi-dimensional copulas in detail and compares
their properties. Specific equations for copula functions and copula densities
are also provided in this section. Different approaches to copula parameter
estimation are presented in section 3.4, and goodness-of-fit tests are presented
in section 3.5. Finally, section 3.6 provides algorithms for the simulation of
the presented copulas.

ผลลัพธ์ (ไทย) 1:

วิธีการเชื่อมที่ใช้นำเสนอในส่วนที่ 3 ดูเหมือนเพียงพอและ
ดีกว่าที่จะสันนิษฐานลูกจ้างอย่างกว้างขวางของ distributions4 เกาส์หลายตัวแปร
จากการเปลี่ยนแปลงของปัจจัยความเสี่ยงหากมีการเปลี่ยนแปลงปัจจัยเสี่ยงไม่ปกติ
distributed.5 ส่วน 3.1 ให้การแนะนำในการเชื่อม- ตามแนวทาง
ในบริบทของการรวมความเสี่ยงจากบนลงล่าง ตัวแปรต่างๆกระจาย
ฟังก์ชั่นที่ใช้ในการจำลองการกระจายเล็กน้อยในบริบทของความเสี่ยง
รวมจะกล่าวถึงในไม่ช้าในส่วน 3.2 ส่วน 3.3 ที่มีการจัดบาง bivariate
เลือกและสอง copulas หลายมิติในรายละเอียดและเปรียบเทียบ
คุณสมบัติของพวกเขา สมการที่เฉพาะเจาะจงสำหรับการทำงานเชื่อมและเชื่อมความหนาแน่น
นอกจากนี้ยังมีในส่วนนี้ วิธีที่แตกต่างให้กับพารามิเตอร์เชื่อม
การประเมินจะนำเสนอในส่วน 3.4 และการทดสอบความดีของพอดีจะนำเสนอในส่วน
3.5 ในที่สุดส่วน 3.6 ให้อัลกอริทึมสำหรับการจำลองของ
copulas นำเสนอ

ผลลัพธ์ (ไทย) 2:

Copula ตามวิธี นำเสนอในส่วน 3 ดูเหมือนจะเพียงพอ และ
กว่าจะอัสสัมชัญแพร่เจ้าของ Gaussian distributions4 multivariate
เปลี่ยนแปลงปัจจัยเสี่ยง ถ้าไม่มีการเปลี่ยนแปลงปัจจัยเสี่ยง normally
distributed.5 ส่วน 3.1 ให้การแนะนำวิธีใช้ copula
ในบริบทของความเสี่ยงบนลงล่างรวม กระจายพาราเมตริกต่าง ๆ
ฟังก์ชันที่ใช้ในการจำลองการกระจายกำไรในบริบทของความเสี่ยง
รวมในเร็ว ๆ นี้กล่าวถึงในหัวข้อ 3.2 3.3 ส่วนแสดงบาง
เลือก bivariate และ copulas 547 สองในรายละเอียดและเปรียบเทียบ
คุณสมบัติ สมการเฉพาะสำหรับฟังก์ชัน copula และ copula แน่น
ยังมีบริการในส่วนนี้ วิธีต่าง ๆ ในพารามิเตอร์ copula
การประเมินจะนำเสนอในหัวข้อ 3.4 และทดสอบความดีพอที่จะนำเสนอ
ในส่วน 3.5 สุดท้าย ส่วน 3.6 ให้อัลกอริทึมสำหรับการจำลองสถานการณ์
copulas นำเสนอ

ผลลัพธ์ (ไทย) 3:

วิธีการ copula - ใช้แสดงในส่วนที่ 3 เป็นอย่างเพียงพอและ
ซึ่งจะช่วยให้การใช้งานอย่างกว้างขวางของ multivariate gaussian การเผยแพร่ 4
ของการเปลี่ยนแปลงปัจจัยความเสี่ยงหากการเปลี่ยนแปลงปัจจัยความเสี่ยงที่ไม่ปกติ
distributed. 5 ส่วนที่ 3.1 จะช่วยให้การแนะนำวิธีการ copula - ใช้
ในบริบทของการผนวกรวมความเสี่ยงด้านบน การจัดจำหน่ายต่างๆแบบ parametric
ฟังก์ชันการทำงานที่ถูกนำมาใช้เพื่อการเผยแพร่ ภาพ ของรุ่นในบริบทของความเสี่ยง
การผนวกรวมมีการกล่าวถึงในส่วน 3.2 ไม่นาน ส่วนที่ 3.3 แสดงบางอย่าง
ซึ่งจะช่วยสำรวจประชากรที่เลือกและสอง copulas แบบหลากหลายมิติในรายละเอียดและเปรียบเทียบคุณสมบัติของ
สมเฉพาะสำหรับการจัดงาน copula และหนาแน่น copula
ได้รับการจัดให้บริการในส่วนนี้ยัง วิธีการอื่นในการกำหนดค่าพารามิเตอร์ copula
ตามมาตรฐานกะจะถูกนำเสนอในส่วน 3.4 และการทดสอบความดี - -
พอดีกับมีการแสดงในส่วน 3.5 ในที่สุดส่วน 3.6 ให้อัลกอริธึมสำหรับการจำลองของ
ซึ่งจะช่วยให้ copulas