×
莫森·马勒基;幽灵，达伦;穆罕默德·马哈茂迪。;孔特雷拉斯·雷伊斯，哈维尔·E·。

非对称重尾向量自回归过程及其在金融数据中的应用。 （英语） Zbl 07194288号

J.统计计算。模拟 90，第2期，324-340（2020年）.
摘要：向量自回归（VAR）模型通常用于建模多变量时间序列，典型的分布形式是假设多变量正态。然而，在存在极端和/或偏差观测值的应用中，多元时间序列中高斯白噪声的假设通常是不合理的。在这种情况下，基于高斯分布形式的推断会产生误导性的结果。本文通过考虑VAR创新的偏态正态（SMSN）分布的多元尺度混合，扩展了自回归过程的多元设置。多元SMSN族能够以层次形式表示，这相对容易进行模拟，并使用EM型算法估计模型参数。通过仿真数据和实际数据验证了该模型的性能。

引用于10文件

MSC公司：

62至XX 统计

关键词：

VAR流程;多元偏正态的尺度混合;EM型算法;离群值;非对称分布;重尾分布;财务数据;多元时间序列

软件：

JMulTi公司;R（右）;变量
PDF格式BibTeX公司 XML格式引用
\textit{M.Maleki}等人，《统计计算杂志》。模拟90，No.2，324--340（2020；Zbl 07194288）
全文： 内政部

参考文献：

[1] Brockwell PJ，Davis RA。时间序列：理论和方法。第二版，纽约：Springer Science&Business Media；2009.【Crossref】，【谷歌学者】·Zbl 1169.62074号
[2] Lütkepohl H.VARMA模型的估计。In：多时间序列分析的新介绍。柏林，海德堡：施普林格；2005年，第447-492页。[Crossref]，[Google学者]·Zbl 1072.62075号
[3] Simionescu M.使用VARMA模型预测宏观经济指标。经济社会学。2013;6(2):94-102. doi:10.14254/2071-789X.2013/6-2/9[交叉引用]，[谷歌学者]
[4] Metaxoglou K，Smith A.使用状态空间EM算法对VARMA模型进行最大似然估计。时间序列分析杂志。2007;28(5):666-685. doi:10.1111/j.1467-9892.2007.00529.x[Crossref]，[Web of Science®]，[Google学者]·Zbl 1150.62060号
[5] 孟XL，鲁宾DB。通过ECM算法进行的最大似然估计：一个通用框架。Biometrika。1993;80:267-278. doi:10.1093/biomet/80.2.267[Crossref]，[Web of Science®]，[Google学者]·Zbl 0778.62022号
[6] Box GE、Jenkins GM、Reinsel GC等。时间序列分析：预测和控制。霍博肯（新泽西州）：约翰·威利父子公司；1976; 2015.[谷歌学者]·兹比尔0858.62072
[7] Mainassara YB，Francq C.使用不相关但不相关的误差项估计结构VARMA模型。多变量分析杂志。2011;102(3):496-505. doi:10.1016/j.jmva.2010.10.009[Crossref]，[Web of Science®]，[Google学者]·Zbl 1207.62168号
[8] Zarrin P，Maleki M，Khodadadi Z，et al.基于非限制偏态过程的时间序列模型。J统计计算模拟。2018;89(1):38-51. doi:10.1080/00949655.2018.1533962[Taylor&Francis Online]，[Web of Science®]，[Google学者]·兹伯利07193712
[9] Ghasami S，Khodadadi Z，Maleki M.广义双曲线创新的自回归过程。公共统计计算模拟。2019年，doi:10.1080/03610918.2018.1535066。[Taylor&Francis Online]，[Google学者]·Zbl 1489.62275号 ·doi:10.1080/03610918.2018.1535066
[10] Hajrajabi A，Maleki M.非线性半参数自回归模型，具有斜正态创新的有限比例混合。2019年应用统计杂志；46(11):2010-2029. doi:10.1080/02664763.2019.1575953[Taylor&Francis Online]，[Web of Science®]，[Google学者]·Zbl 1516.62318号
[11] Lyu Y，Wang P，Wei Y，等。预测原油市场的VaR：替代分布有帮助吗？能源经济。2017;66:523-534. doi:10.1016/j.eneco.2017.06.015[Crossref]，[Web of Science®]，[Google学者]
[12] Maleki M、Arellano-Valle RB、Dey DK等。稳健偏态自回归过程的贝叶斯方法。加尔各答统计协会公牛。2017;69:165-182. doi:10.1177/0008068317732196[交叉引用]，[谷歌学者]
[13] Maleki M，Nematollahi AR。高斯创新尺度混合的自回归模型。伊朗科学技术杂志A.2017；41:1099-1107. doi:10.1007/s40995-017-20237-6[Crosref]，[Web of Science®]，[Google Scholar]·Zbl 1392.62270号
[14] Contreras-Reyes JE。通过偏态高斯信息理论量词分析鱼类条件因子指数。Fluct噪声Lett。2016;15(2):1650013. doi:10.1142/S021947751650139[Crossref]，[Web of Science®]，[Google学者]
[15] Arellano Valle RB、Contreras Reyes JE、Quintero FOL等。偏正态动态线性模型和贝叶斯预测。2018年计算统计；34(3):1055-1085. doi:10.1007/s00180-018-0848-1[Crossref]，[Web of Science®]，[Google学者]·Zbl 1505.62035号
[16] Arellano-Valle RB，Contreras-Reyes JE，Stehlík M.广义偏态负熵及其在鱼类条件因子时间序列中的应用。熵。2017;19(10):528. doi:10.3390/e19100528[Crossref]，[Web of Science®]，[Google学者]
[17] Bondon P.具有ε偏斜正态创新的自回归模型的估计。《多元分析杂志》。2009;100:1761-1776. doi:10.1016/j.jmva.2009.02.006[Crossref]，[Web of Science®]，[Google学者]·Zbl 1163.62343号
[18] Maleki M，Arellano-Valle RB。基于偏态正态分布的有限尺度混合的自回归过程的最大后验估计。J统计计算模拟。2017;87:1061-1083. doi:10.1080/00949655.2016.1245305[Taylor&Francis Online]，[Web of Science®]，[Google学者]·Zbl 07191989
[19] Branco MD，Dey DK。一类一般的多元偏椭圆分布。《多元分析杂志》。2001;79:99-113. doi:10.1006/jmva.2000.1960[Crossref]，[Web of Science®]，[Google学者]·Zbl 0992.62047号
[20] Labra Filidor V，Garay Aldo M，Lachos Victor H，et al.基于偏态分布尺度混合的异方差非线性回归模型的估计和诊断。J统计计划推断。2012;142(7):2149-2165. doi:10.1016/j.jspi.2012.02.018[Crossref]，[Web of Science®]，[Google学者]·Zbl 1408.62123号
[21] 孔特拉斯·雷耶斯JE，阿雷拉诺·瓦勒RB。基于偏态正态分布比例混合的红腹滨鹬（Epigonus crassicaudus）生长估计。2013年鱼类研究报告；147:137-144. doi:10.1016/j.fishres.2013.05.002[Crosref]，[Web of Science®]，[谷歌学者]
[22] Yang F，Yuan H。正态分布比例混合线性回归模型的非迭代贝叶斯采样算法。计算经济。2017;49(4):579-597. doi:10.1007/s10614-016-9580-5[Crossref]，[Web of Science®]，[Google学者]
[23] Kim HM，Genton MG.多元偏态分布尺度混合的特征函数。多变量分析杂志。2011;102(7):1105-1117. doi:10.1016/j.jmva.2011.03.004[Crossref]，[Web of Science®]，[Google学者]·Zbl 1221.60020号
[24] Brockwell PJ，Davis RA。时间序列和预测。纽约：Springer-Verlag；2002.[谷歌学者]·Zbl 0994.62085号
[25] Zeller CB，Lachos VH，Vilca-Labra FE公司。偏态正态分布比例混合回归模型的局部影响分析。《应用法律汇编》2011年版；38(2):343-368. doi:10.1080/02664760903406504[Taylor&Francis Online]，[Web of Science®]，[Google学者]·Zbl 1511.62164号
[26] Basso RM、Lachos VH、Cabral CRB等。基于偏态分布比例混合的稳健混合建模。计算统计数据分析。2010;54(12):2926-2941. doi:10.1016/j.csda.2009.09.031[Crossref]，[Web of Science®]，[Google学者]·Zbl 1284.62193号
[27] Wei GC，Tanner MA。EM算法和穷人数据增强算法的蒙特卡罗实现。美国统计协会杂志，1990年；85(411):699-704. doi:10.1080/01621459.1990.10474930[Taylor&Francis Online]，[Web of Science®]，[Google学者]
[28] McLachlan G，Krishnan T。EM算法及其扩展。概率统计中的惠利级数。第二版，纽约：John Wiley&Sons；2008.[交叉引用]，[谷歌学者]
[29] Akaike H.统计模型识别的新视角。IEEE Trans Automat控制。1974;19:716-723. doi:10.1109/TAC.1974.1100705[Crossref]，[Web of Science®]，[Google学者]·Zbl 0314.62039号
[30] Schwarz G.估算模型的维数。Ann Stat.1978；6:461-464. doi:10.1214/aos/1176344136[Crossref]，[Web of Science®]，[Google学者]·Zbl 0379.62005年
[31] R核心团队。一种用于统计计算的语言和环境。维也纳：R统计计算基金会；2018; 国际标准图书编号（ISBN）3-900051-07-0。可从以下位置获得：http://www.R-project.org。[谷歌学者]
[32] Breitung J，Bruggemann R，Lutkepohl H。结构向量自回归建模和脉冲响应。作者：H Lutkepohl，M Kratzig，编辑。应用时间序列计量经济学。剑桥：剑桥大学出版社；2004年，第4章。第159-196页。[Crossref]，[Google学者]
[33] Pfaff B.VAR、SVAR和SVEC模型：在R Package vars中实现。J统计软件。2008;27（i04）。[谷歌学者]
[34] Martin VL，Wilkins NP。ARFIMA和VARFIMA模型的间接估计。《经济学杂志》。1999;93(1):149-175. doi:10.1016/S0304-4076（99）00007-X[Crossref]，[Web of Science®]，[Google学者]·Zbl 0942.62106号
[35] Maleki M，Wraith D.贝叶斯框架下多元限制偏态因子分析模型的混合。计算统计2019；34(3):1039-1053. doi:10.1007/s00180-019-00870-6[Crossref]，[Web of Science®]，[Google学者]·Zbl 1505.62270号
[36] Maleki M、Wraith D、Arellano-Valle RB。贝叶斯线性混合模型的一类灵活的参数分布。测试。2019;28(2):543-564. doi:10.1007/s11749-018-0590-6[Crossref]，[Web of Science®]，[Google学者]·Zbl 1420.62288号
[37] Maleki M、Wraith D、Arellano-Valle RB。多元非限制偏正态广义双曲分布的稳健有限混合建模。统计计算。2019;29(3):415-428. doi:10.1007/s1122-018-9815-5[Crossref]，[Web of Science®]，[Google学者]·Zbl 1430.62105号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。