Modélisation de la dépendance des copules : théorie et applications

Louis-Paul Rivest , chef d’équipe | université McGill

Christian Genest , chef d’équipe | université McGill

Elif Acar | Université du Manitoba

Radu Craiu | Université de Toronto

Harry Joe | Université de la Colombie-Britannique

Johanna Nešlehová | université McGill

Jean-François Quessy | Université du Québec à Trois-Rivières

Bruno Remillard | HEC Montréal

Claudia Czado | Technische Universität München

Anne-Catherine Favre | Laboratoire d’Étude des Transferts en Hydrologie et Environnement

Anne-Laure Fougères | Université Claude Bernard Lyon 1

Marius Hofert | ETH Zurich

Les partenaires industriels comprennent la Banque Nationale du Canada, la Banque de Montréal et l’Institut de recherche d’Hydro-Québec .

• E. Cormier, C. Genest & JG Nešlehová (décembre 2014). Utilisation de B-splines pour l’inférence non paramétrique sur des copules à valeurs extrêmes bivariées. Extrêmes, 17 (4), 633-659. DOI : 10.1007/s10687-014-0199-4.
• M.-P. Côté & C. Genest (mars 2015). Un modèle d’agrégation des risques basé sur les copules. The Canadian Journal of Statistics, 43 (1), sous presse. DOI : 10.1002/cjs.11238.
• F. Tounkara & L.-P. Rivest (2015). Modèles de régression mixte pour les données de capture-recapture en population fermée. Biométrie, 71, 721-730.
• J.-F. Quessy & O. Kortbi (2016). Statistiques de distance minimale pour la sélection d’une copule asymétrique dans la classe de modèles de Khoudraji. Statistica Sinica, 16, 177-204.
• C. Genest & F. Chebana (2016). Modélisation des copules dans l’analyse des fréquences hydrologiques. Chapitre 30 du Handbook of Applied Hydrology (VP Singh, éditeur). McGraw-Hill, New York, 10 p.
• J.-F. Quessy (2016). Un cadre général pour tester les hypothèses d’homogénéité sur les copules extraites d’un vecteur multivarié. Journal électronique des statistiques, 10, 1064-1097.
• H. Joe & P. Sang (2016). Modèles multivariés pour groupes dépendants de variables avec indépendance conditionnelle compte tenu des variables d’agrégation. Statistiques computationnelles et analyse de données, 97, 114-132.
• L.-P. Rivest, F. Verret & S. Baillargeon (2016). Estimation sur petits domaines au niveau de l’unité avec copules. Revue canadienne de statistique, 44, 397-415.
• J. Garrido, C. Genest & J. Schulz (2016). Modèles linéaires généralisés pour la fréquence et la gravité des sinistres dépendants. Assurance : Mathématiques et économie, 70, 2015-215.
• M.-P. Côté, C. Genest & A. Abdallah (2016). Méthodes basées sur le rang pour modéliser la dépendance entre les triangles de perte. Revue actuarielle européenne, 6, 377-408.
• SA Aissaoui, C. Genest & M. Mesfioui (2017). Un deuxième regard sur l’inférence pour les distributions de Skellam bivariées. Stat, 6, sous presse.
• L. Hua & H. Joe (2017). Modélisation de la dépendance multivariée basée sur des facteurs comonotones. Journal d’analyse multivariée.
• H. Joe (2017). Propriétés de dépendance des distributions conditionnelles de certains modèles de copules. Méthodologie et calcul en probabilités appliquées, accepté en janvier 2017. Pour un numéro spécial à la mémoire de Moshe Shaked.
• J.-F. Quessy, L.-P. Rivest & M.-H. Toupin (2016). Sur la copule du chi carré. Journal d’analyse multivariée, 150, 40-60.

Contributions des autres membres de l’équipe :

• F. Camirand-Lemyre, T. Bouezmarni & J.-F. Quessy. Estimation des copules conditionnelles : retour sur les résultats asymptotiques dans le cas iid, et extension à la dépendance sérielle. Journal of Business and Economic Statistics (soumis).
• L.-P. Rivest, F. Verret & S. Baillargeon (décembre 2015). Estimation des paramètres dans les modèles de copules pour les petites régions. Réunion annuelle de la SSC, juin 2015. Actes de la Section des méthodes d’enquête.
• E. Levi & R. Craiu (décembre 2015). Modèles d’indice unique à processus gaussien pour les copules conditionnelles.
• C. Hasler, R. Craiu & L.-P. Rivest (août 2016). Modèles de copules de vigne dans des méthodes d’imputation multiples. Statistique internationale.
• F. Camirand-Lemyre (2016). Méthodes de bootstrap multiplicateur pour les distributions conditionnelles. Statistiques et informatique.
• I. Kojadinovic, J.-F. Quessy & T. Rohmer (2016). Test de la constance du rho de Spearman dans des séries chronologiques multivariées.
• EF Acar (décembre 2015). Copules de vigne non simplifiées.
• C. Geerdens, EF Acar & P. Janssen (décembre 2015). Modèles de copules conditionnelles pour les données d’heure d’événement groupées censurées à droite. Biométrie.
• K. Zhao & EF Acar (décembre 2015). Modèles de dépendance conditionnelle sous erreur de mesure de covariable.
• EF Acar & C. Czado (2017). Dynamic Vine Copulas for Multivariate Time Series (invité à soumettre au numéro spécial « Développements récents dans les modèles de copules » dans Econometrics).
• E. Hoque, P. Azimaee & EF Acar (2017). Sélection de modèles basée sur la prédiction pour les modèles de copules de vigne.
• A. Nessie & EF Acar (2017). Analyse des copules factorielles pour les données ordinales multivariées : revisiter la corrélation polychorique.