用于依赖关系建模的python copulas库
pycopula的Python项目详细描述
pycopula是一个易于使用的python库,它允许您使用copula研究随机变量依赖关系。它提供了有用的工具和特性来绘制、估计或模拟copula。
安装
通过pip安装总是为您提供包的最后一个稳定版本。
pip install pycopula
但是,如果要查找最新更新,请考虑直接从源安装。
git clone https://github.com/MaximeJumelle/pycopula.git
cd pycopula
python setup.py install
功能
pycopula本机处理各种copula家族,包括:
- 阿基米德连接函数
- 克莱顿
- 甘贝尔
- 乔
- 弗兰克
- 阿里·米哈伊尔·哈克
- 椭圆copulas
- 高斯
- 学生
估计值
< >三种估算方法,基于^ {EM1}$SICPY- 特定copula上的矩估计
- 极大似然估计(MLE)
- 边距推断(ifm) 标准极大似然估计(CMLE)
用法
pycopula的设计目的是提供一个易于使用的接口,在编程和计算方面都不需要太多。因此,只需要几行代码就可以正确地适应任何copula,如下代码片段所示。
importpandasaspdfrompycopula.copulaimportArchimedeanCopuladata=pd.read_csv("data/classic.csv").values[:,1:]archimedean=ArchimedeanCopula(family="gumbel",dim=2)archimedean.fit(data,method="cmle")
Archimedean Copula (gumbel) :* Parameter : 1.605037
可视化
三维PDF和CDF
浓度函数
估计值
模拟
开发
目前,库中只实现了一些特性,它们是copula处理的基本组件:
- 创建阿基米德、高斯和学生copula
- PDF和CDF的三维绘图
- 集中功能和可视化
- copulas参数的估计(cmle、mle、ifm)
今后,我计划发布以下功能:
- 拟合优度
- 标准copula选择与统计检验
- 使用开放数据在现实世界中的应用示例
另外,如果你对这个项目感兴趣,我很乐意与你合作,因为仍然需要很多改进(计算、估计方法、可视化),而且我没有足够的时间来快速完成它。