摘要

高斯Copula函数可以将变量联合分布函数拆解为各随机变量的边缘分布和

Copula函数，因此常用于描述时间序列与空间数据等具有关联性的数据。然而对

于离散数据，基于高斯Copula模型建立的似然函数无法直接写成Copula密度与

边际概率密度的乘积，因此在样本量较大时计算效率较低。传统方法通常使用蒙

特卡洛模拟法进行计算。虽然蒙特卡洛方法的计算结果能够逼近真实值，但是本

身计算速度较慢。

为了提高离散Copula模型的计算效率，本文考察一类非蒙特卡洛的方法，即

广义分位数变换法(GQT)来提高计