Форма корреляции дающая много разных вариантов, асимметрию, сильную корреляцию в хвостах, и простую, быструю и аналитическую форму.

А также


Обычная линейная корреляция с меняющимся коэффицентом
x ~ N
ρ = (1 − σ(|x| − u))·ρc + σ(|x| − u) ρt, σ = sigmoid
L = 1 + l(σ(4x) − 0.5) # asymmetry
y = L (ρ |x| + sqrt(1 − ρ^2) z), z ~ N
Коэффицент корреляция меняется от центра к хвосту u порог переключения, l асимметрия, x или |x| меняют форму.
Это не настоящая копула, y !~ N, но мне кажется она достаточно близко к тому что нужно. Ее можно сделать настоящей добавив y_true = Quantile(rank(y)/n) но тогда она станет медленной.
И не имеющая проблемы T Копулы с резкими прыжками из за переключением знака да еще и с пустотой между ними, ниже Т Копула с проблемой:
Добрый день!
Вы уже пробовали калибровать эту конструкцию на реальные данные (конкретные инструменты/рынки)? Каков эффект от внедрения на практике?
Если пока не пробовали, как вы сами видите pipeline: оценка параметров на окне, затем генерация сценариев и пересчёт VaR/маржи — или есть другие идеи применения?
В каких задачах, на ваш взгляд, такая копула потенциально наиболее полезна: стресс‑тест портфеля, моделирование PnL, опционы, что‑то ещё?
Есть ли у вас ощущение/опыт, что подобная модель остаётся работоспособной OOS, а не только на известном участке?