This dissertation contains three essays. They are related to the exponential series estimation of copulas and the application of parametric copulas in financial econometrics. Chapter II proposes a multivariate exponential series estimator (ESE) to estimate copula density nonparametrically. The ESE attains the optimal rate of convergence for nonparametric density. More importantly, it overcomes the boundary bias of copula estimation. Extensive Monte Carlo studies show the proposed estimator outperforms kernel and log-spline estimators in copula estimation. Discussion is provided regarding application of the ESE copula to Asian stock returns during the Asian financial crisis. The ESE copula complements the existing nonparametric copula studies by providing an alternative dedicated to the tail dependence measure. Chapter III proposes a likelihood ratio statistic using a nonparametric exponential series approach. The order of the series is selected by Bayesian Information Criterion (BIC). I propose three further modifications on my test statistic: 1) instead of putting equal weight on the individual term of the exponential series, I consider geometric and exponential BIC average weights; 2) rather than using a nested sequence, I consider all subsets to select the optimal terms in the exponential series; 3) I estimate the likelihood ratio statistic using the likelihood cross-validation. The extensive Monte Carlo simulations show that the proposed tests enjoy good finite sample performances compared to the traditional methods such as the Anderson-Darling test. In addition, this data-driven method improves upon Neyman’s score test. I conclude that the exponential series likelihood ratio test can complement the Neyman’s score test. Chapter IV models and forecasts S&P500 index returns using the Copula-VAR approach. I compare the forecast performance of the Copula-VAR model with a classical VAR model and a univariate time series model. I use this approach to forecast S&P500 index returns. I apply a modified Diebold-Mariano test to test the equality of mean squared forecast errors and utilize a forecast encompassing test to evaluate forecasts. The findings suggest that allowing a more flexible specification in the error terms using copula tends improve the forecast accuracy. I also demonstrate combined forecasts improved forecasts accuracy over individual models.

No description available.

Abstract This dissertation consists of four articles on irrationality measures. In the first paper we derive explicit irrationality measures by using the simple continued fraction expansions in a completely new way. In the second and third articles we use Padé approximations to construct irrationality measures. In the second paper we obtain an explicit irrationality measure for the values of q-exponential series, for which the earlier corresponding results are not as explicit. Furthermore, we construct a restricted irrationality measure for the values of q-exponential series, which is an improvement on the earlier results in the restricted case. In the third article we derive the best possible asymptotic restricted irrationality exponent for the values of Jacobi's triple product. In the last paper we consider Cantor series. We generalize the earlier results by deriving Sondow's irrationality measure for some Cantor series. / Tiivistelmä Tämä väitöskirja koostuu neljästä artikkelista, jotka kaikki käsittelevät irrationaalisuusmittoja. Ensimmäisessä artikkelissa irrationaalisuusmittoja johdetaan uudella tavalla irrationaalilukujen yksinkertaisista ketjumurtolukuesityksistä. Toisessa ja kolmannessa artikkelissa irrationaalisuusmitat konstruoidaan Padé-approksimaatioiden avulla. Toisessa artikkelissa saadaan eksplisiittinen irrationaalisuusmitta q-eksponenttisarjan arvoille, joiden vastaavat aikaisemmat irrationaalisuusmitat eivät ole näin eksplisiittisiä. Lisäksi samassa artikkelissa konstruoidaan q-eksponenttisarjan arvoille rajoitettu eksplisiittinen irrationaalisuusmitta, mikä parantaa aikaisempia tuloksia rajoitetussa tapauksessa. Kolmannessa artikkelissa johdetaan paras mahdollinen asymptoottinen irrationaalisuuseksponentti Jacobin kolmitulon arvoille. Viimeisessä artikkelissa käsitellään Cantorin sarjoja. Siinä yleistetään aikaisempia tuloksia johtamalla Sondowin irrationaalisuusmitta tietylle joukolle Cantorin sarjoja.

On étudie la décomposition de matrice de Hankel comme une somme des matrices de Hankel de rang faible en corrélation avec la décomposition de son symbole σ comme une somme des séries exponentielles polynomiales. On présente un nouvel algorithme qui calcule la décomposition d’un opérateur de Hankel de petit rang et sa décomposition de son symbole en exploitant les propriétés de l’algèbre quotient de Gorenstein . La base de est calculée à partir la décomposition en valeurs singuliers d’une sous-matrice de matrice de Hankel . Les fréquences et les poids se déduisent des vecteurs propres généralisés des sous matrices de Hankel déplacés de . On présente une formule pour calculer les poids en fonction des vecteurs propres généralisés au lieu de résoudre un système de Vandermonde. Cette nouvelle méthode est une généralisation de Pencil méthode déjà utilisée pour résoudre un problème de décomposition de type de Prony. On analyse son comportement numérique en présence des moments contaminés et on décrit une technique de redimensionnement qui améliore la qualité numérique des fréquences d’une grande amplitude. On présente une nouvelle technique de Newton qui converge localement vers la matrice de Hankel de rang faible la plus proche au matrice initiale et on montre son effet à corriger les erreurs sur les moments. On étudie la décomposition d’un tenseur multi-symétrique T comme une somme des puissances de produit des formes linéaires en corrélation avec la décomposition de son dual comme une somme pondérée des évaluations. On utilise les propriétés de l’algèbre de Gorenstein associée pour calculer la décomposition de son dual qui est définie à partir d’une série formelle τ. On utilise la décomposition d’un opérateur de Hankel de rang faible associé au symbole τ comme une somme des opérateurs indécomposables de rang faible. La base d’ est choisie de façon que la multiplication par certains variables soit possible. On calcule les coordonnées des points et leurs poids correspondants à partir la structure propre des matrices de multiplication. Ce nouvel algorithme qu’on propose marche bien pour les matrices de Hankel de rang faible. On propose une approche théorique de la méthode dans un espace de dimension n. On donne un exemple numérique de la décomposition d’un tenseur multilinéaire de rang 3 en dimension 3 et un autre exemple de la décomposition d’un tenseur multi-symétrique de rang 3 en dimension 3. On étudie le problème de complétion de matrice de Hankel comme un problème de minimisation. On utilise la relaxation du problème basé sur la minimisation de la norme nucléaire de la matrice de Hankel. On adapte le SVT algorithme pour le cas d’une matrice de Hankel et on calcule l’opérateur linéaire qui décrit les contraintes du problème de minimisation de norme nucléaire. On montre l’utilité du problème de décomposition à dissocier un modèle statistique ou biologique. / We study the decomposition of a multivariate Hankel matrix as a sum of Hankel matrices of small rank in correlation with the decomposition of its symbol σ as a sum of polynomialexponential series. We present a new algorithm to compute the low rank decomposition of the Hankel operator and the decomposition of its symbol exploiting the properties of the associated Artinian Gorenstein quotient algebra . A basis of is computed from the Singular Value Decomposition of a sub-matrix of the Hankel matrix . The frequencies and the weights are deduced from the generalized eigenvectors of pencils of shifted sub-matrices of Explicit formula for the weights in terms of the eigenvectors avoid us to solve a Vandermonde system. This new method is a multivariate generalization of the so-called Pencil method for solving Pronytype decomposition problems. We analyse its numerical behaviour in the presence of noisy input moments, and describe a rescaling technique which improves the numerical quality of the reconstruction for frequencies of high amplitudes. We also present a new Newton iteration, which converges locally to the closest multivariate Hankel matrix of low rank and show its impact for correcting errors on input moments. We study the decomposition of a multi-symmetric tensor T as a sum of powers of product of linear forms in correlation with the decomposition of its dual as a weighted sum of evaluations. We use the properties of the associated Artinian Gorenstein Algebra to compute the decomposition of its dual which is defined via a formal power series τ. We use the low rank decomposition of the Hankel operator associated to the symbol τ into a sum of indecomposable operators of low rank. A basis of is chosen such that the multiplication by some variables is possible. We compute the sub-coordinates of the evaluation points and their weights using the eigen-structure of multiplication matrices. The new algorithm that we propose works for small rank. We give a theoretical generalized approach of the method in n dimensional space. We show a numerical example of the decomposition of a multi-linear tensor of rank 3 in 3 dimensional space. We show a numerical example of the decomposition of a multi-symmetric tensor of rank 3 in 3 dimensional space. We study the completion problem of the low rank Hankel matrix as a minimization problem. We use the relaxation of it as a minimization problem of the nuclear norm of Hankel matrix. We adapt the SVT algorithm to the case of Hankel matrix and we compute the linear operator which describes the constraints of the problem and its adjoint. We try to show the utility of the decomposition algorithm in some applications such that the LDA model and the ODF model.