We present copula based Bayesian time series methodology. The proposed approaches can be combined with different marginal distributions and can handle symmetric and asymmetric dependence structures. In particular, we discuss a single factor copula based stochastic volatility model, bivariate copulas and vine copulas with dynamic dependence parameters, and copula based state space models. For parameter estimation we rely on Markov Chain Monte Carlo methods. All models are illustrated with real data.      «

We present copula based Bayesian time series methodology. The proposed approaches can be combined with different marginal distributions and can handle symmetric and asymmetric dependence structures. In particular, we discuss a single factor copula based stochastic volatility model, bivariate copulas and vine copulas with dynamic dependence parameters, and copula based state space models. For parameter estimation we rely on Markov Chain Monte Carlo methods. All models are illustrated with real da...     »

Wir entwickeln copula-basierte Bayesianische Zeitreihenmodelle. Diese Modelle können mit verschiedenen Marginalverteilungen kombiniert werden und sind in der Lage symmetrische und asymmetrische Abhängigkeitsstrukturen zu modellieren. Wir präsentieren ein Ein-Faktor copula-basiertes stochastisches Volatilitätsmodell, bivariate Copulas und Vine Copulas mit dynamischen Parametern, und copula-basierte Zustandsraummodelle. Für die Parameterschätzung verwenden wir Markov Ketten Monte Carlo Methoden. Außerdem werden alle Modelle auf echte Daten angewandt.     «

Wir entwickeln copula-basierte Bayesianische Zeitreihenmodelle. Diese Modelle können mit verschiedenen Marginalverteilungen kombiniert werden und sind in der Lage symmetrische und asymmetrische Abhängigkeitsstrukturen zu modellieren. Wir präsentieren ein Ein-Faktor copula-basiertes stochastisches Volatilitätsmodell, bivariate Copulas und Vine Copulas mit dynamischen Parametern, und copula-basierte Zustandsraummodelle. Für die Parameterschätzung verwenden wir Markov Ketten Monte Carlo Methoden. A...     »