小编rho*_*del的帖子

我正在尝试使用Python模拟t-copula,但我的代码会产生奇怪的结果(表现不佳):

我遵循Demarta&McNeil(2004)在"The t Copula and Related Copulas"中提出的方法,该方法指出:

通过直觉,我知道自由度参数越高,t copula应该越像高斯型(因此尾部依赖性越低).但是,考虑到我从scipy.stats.invgamma.rvs或从中抽样scipy.stats.chi2.rvs,我的参数产生更高的值,我的参数s越高df.这没有任何意义,因为我发现多篇论文表明df- > inf,t-copula - > Gaussian copula.

这是我的代码,我做错了什么？(我是Python的初学者).

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.stats import invgamma, chi2, t

#Define number of sampling points
n_samples = 1000
df = 10

calib_correl_matrix = np.array([[1,0.8,],[0.8,1]]) #I just took a bivariate correlation matrix here
mu = np.zeros(len(calib_correl_matrix))
s = chi2.rvs(df)
#s = invgamma.pdf(df/2,df/2) 
Z = …