Kendall’s tau and agglomerative clustering for structure determination of hierarchical Archimedean copulas

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F17%3A00477796" target="_blank" >RIV/67985807:_____/17:00477796 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/47813059:19520/17:00010816

Výsledek na webu

<a href="http://dx.doi.org/10.1515/demo-2017-0005" target="_blank" >http://dx.doi.org/10.1515/demo-2017-0005</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1515/demo-2017-0005" target="_blank" >10.1515/demo-2017-0005</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Kendall’s tau and agglomerative clustering for structure determination of hierarchical Archimedean copulas

Popis výsledku v původním jazyce

Several successful approaches to structure determination of hierarchical Archimedean copulas (HACs) proposed in the literature rely on agglomerative clustering and Kendall’s correlation coefficient. However, there has not been presented any theoretical proof justifying such approaches. This work fills this gap and introduces a theorem showing that, given the matrix of the pairwise Kendall correlation coefficients corresponding to a HAC, its structure can be recovered by an agglomerative clustering technique.

Název v anglickém jazyce

Kendall’s tau and agglomerative clustering for structure determination of hierarchical Archimedean copulas

Popis výsledku anglicky

Several successful approaches to structure determination of hierarchical Archimedean copulas (HACs) proposed in the literature rely on agglomerative clustering and Kendall’s correlation coefficient. However, there has not been presented any theoretical proof justifying such approaches. This work fills this gap and introduces a theorem showing that, given the matrix of the pairwise Kendall correlation coefficients corresponding to a HAC, its structure can be recovered by an agglomerative clustering technique.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

<a href="/cs/project/GA17-01251S" target="_blank" >GA17-01251S: Metaučení pro extrakci pravidel s numerickými konsekventy</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Dependence Modeling

ISSN

2300-2298

e-ISSN

—

Svazek periodika

5

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

PL - Polská republika

Počet stran výsledku

13

Strana od-do

75-87

Kód UT WoS článku

000425045300005

EID výsledku v databázi Scopus

2-s2.0-85029729711