特夫菲克·阿克特金;尼古拉斯·G·波尔森。;索耶,雷迪克 一系列多元非高斯时间序列模型。 (英语) Zbl 1453.62625号 J.时间序列。分析。 41,第5期,691-721(2020). 摘要:在本文中,我们提出了一类多元非高斯时间序列模型,其中包括许多已知分布的动态版本,并考虑其贝叶斯分析。我们提出的模型的一个关键特征是它能够通过一个常见的随机环境来解释跨时间以及跨系列(当代)的相关性。所提出的建模方法产生了可分析处理的动态边际可能性,这是线性高斯时间序列模型之外通常没有的特性。这些动态边际可能性可以追溯到已知的静态多元分布,如Lomax、广义Lomax和多元Burr分布。边际可能性的可用性使我们能够使用马尔可夫链蒙特卡罗法和序贯蒙特卡罗方法为各种设置开发有效的估计方法。我们的方法可以被认为是常用的一元非高斯状态空间模型类的多元推广。为了说明我们的方法,我们使用模拟数据示例和多元时间序列的实际应用来建模金融指数、VIX和VXN中随机波动的联合动力学。 引用于2文件 MSC公司: 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 62M20型 随机过程的推断与预测 62H20个 关联度量(相关性、典型相关性等) 62P05号 统计学在精算科学和金融数学中的应用 91B84号 经济时间序列分析 关键词:状态空间;非高斯时间序列;动态时间序列;粒子学习;随机波动性 PDF格式BibTeX公司 XML格式引用 \textit{T.Aktekin}等人,J.Time-Ser。分析。41,第5号,691--721(2020;Zbl 1453.62625) 全文: 内政部 参考文献: [1] AktekinT,PolsonNG,SoyerR,2018年。多元计数数据的序贯贝叶斯分析。贝叶斯分析13,2:385-409·兹比尔1407.62308 [2] AktekinT,SoyerR,2011年。呼叫中心到达建模:贝叶斯状态空间方法。海军研究后勤58,1:28-42·Zbl 1210.90048号 [3] AktekinT,SoyerR,2014年。呼叫中心运营中放弃的贝叶斯分析。商业和工业中的应用随机模型30,2:141-156。 [4] AktekinT、SoyerR、XuF。2013年,通过贝叶斯状态空间模型评估抵押贷款违约风险。应用统计年鉴7,3:1450-1473·Zbl 1283.62211号 [5] Allenby总经理、LeoneRP、JenL。1999年。购买时间的动态模型,应用于直接营销。《美国统计协会杂志》94,446:365-374。 [6] ArnoldBC、CastilloE、SarabiaJM。2001.有条件指定的分配:导言。《统计科学》16,3:249-274·Zbl 1059.62511号 [7] 阿诺德BC,斯特劳斯D。1988.带指数条件的二元分布。《美国统计协会杂志》83,402:522-527·Zbl 0644.62013.中 [8] BarraI、HoogerheideL、KoopmanSJ、LucasA。2017年。非线性非高斯状态空间模型中参数和状态的联合贝叶斯分析。应用计量经济学杂志32,5:1003-1026。 [9] 卡林BP、PolsonNG、StofferDS。1992年,非正态和非线性状态空间建模的蒙特卡罗方法。美国统计协会杂志87,418:493-500。 [10] CarvalhoC、JohannesMS、LopesHF、PolsonN。2010年a。粒子学习和平滑。《统计科学》25,1:88-106·Zbl 1328.62541号 [11] 卡瓦尔霍CM、LopesHF、PolsonNG、TaddyMA。2010年b。一般混合物的粒子学习。贝叶斯分析5,4:709-740·兹比尔1330.62348 [12] ChenX、IrieK、BanksD、Haslingr、ThomasJ、WestM。2018.动态网络流量数据的可扩展贝叶斯建模、监测和分析。《美国统计协会杂志》113,522:519-533。 [13] CoxDR公司。1981.时间序列的统计分析:一些最新发展。斯堪的纳维亚统计杂志8:93-115·Zbl 0468.62079号 [14] 创建DD。2017.一类具有精确似然推断的非高斯状态空间模型。《商业与经济统计杂志》35,4:585-597。 [15] Dos‐SantosTR,GamermanD,FrancoGDC。2017.通过非高斯状态空间模型进行可靠性分析。IEEE可靠性事务66,2:309-318。 [16] 杜比SD。复合威布尔分布。海军研究后勤15,2:179-188。 [17] DukicV、LopesHF、PolsonNG。2012年,利用谷歌流感趋势数据和国家空间SEIR模型跟踪疫情。美国统计协会杂志107500:1410-1426·Zbl 1258.62102号 [18] 库普曼·S·杜宾J。2000.基于经典和贝叶斯观点的状态空间模型的非高斯观测的时间序列分析。英国皇家统计学会杂志,B62系列,1:3-56·Zbl 0945.62084号 [19] KoopmanSJ,DurbinJ。1997.非高斯状态空间模型的蒙特卡罗最大似然估计。生物特征84,3:669-684·Zbl 0888.62086号 [20] Fearnhead公司。2002.马尔可夫链蒙特卡罗、充分统计和粒子滤波器。计算与图形统计杂志11,4:848-862。 [21] Frühwirth‐SchnatterS S.1994年。使用基于积分的卡尔曼滤波对非高斯时间序列进行应用状态空间建模。统计与计算4,4:259-269。 [22] GamermanD、Dos‐SantosTR、FrancoGC。2013.具有精确边际似然的非高斯状态空间模型族。时间序列分析杂志34,6:625-645·Zbl 1306.62196号 [23] 戈尔迪MB。1998年,广义贝塔分布的推广,技术报告。 [24] 格拉马基RB,PolsonNG。2011年,用于序列设计和优化的高斯过程模型的粒子学习。计算与图形统计杂志20,1:102-118。 [25] 费尔南德斯·哈维AC。1989.计数或定性观察的时间序列模型。《商业与经济统计杂志》7,4:407-417。 [26] 卡尔曼RE。1960年。线性滤波和预测问题的新方法。基础工程杂志82,1:35-45。 [27] KangSG、LeeWD、KimY。2019.客观先验下二元Lomax分布的后验适当性。统计学传播——理论与方法:1-9。 [28] KantasN、DoucetA、SinghSS、MaciejowskiJ、ChopinN。2015年,关于状态空间模型中参数估计的粒子方法。统计科学30,3:328-351·Zbl 1332.62096号 [29] 北川。1987.非平稳时间序列的非高斯状态空间建模。《美国统计协会杂志》82,400:1032-1041·Zbl 0644.62088号 [30] 北川。1996。非高斯非线性状态空间模型的蒙特卡罗滤波器和平滑器。计算与图形统计杂志5,1:1-25。 [31] 科尔代罗总经理LemonteAJ。2013年,扩大Lomax分配。统计47,4:800-816·Zbl 1440.62062号 [32] LindleyDV,新加坡。1986.共享一个共同环境的系统组件寿命的多元分布。应用概率杂志23:418-431·Zbl 0603.60084号 [33] LiuJS,ChenR。1998.动态系统的序贯蒙特卡罗方法。《美国统计协会杂志》93,443:1032-1044·Zbl 1064.65500号 [34] 波兰洛佩什。2016。用于脂尾分布的粒子学习。计量经济学评论35,8-10:1666-1691·Zbl 1491.62161号 [35] LopesHF,TsayRS,2011年。金融计量经济学中的粒子滤波和贝叶斯推理。《预测杂志》30,1:168-209·Zbl 1217.91146号 [36] 奥尔基尼·马歇尔。1988,多元分布族。美国统计协会杂志83,403:834-841·Zbl 0683.62029号 [37] MeinholdRJ,SingpurwallaND。1983.了解卡尔曼滤波器。美国统计学家37,2:123-127。 [38] NayakTK公司。多变量Lomax分布:可靠性理论中的特性和有用性。应用概率杂志24,01:170-177·Zbl 0615.60082号 [39] PittML,ShephardN。1999.模拟过滤:辅助粒子过滤器。《美国统计协会杂志》94,446:590-599·Zbl 1072.62639号 [40] 洛佩斯HF,PradoR。2013.结构化自回归状态空间模型中的序列参数学习和滤波。统计与计算23,1:43-57·Zbl 1322.62219号 [41] 威斯敏斯特州普拉多。2010.时间序列:建模、计算和推断。佛罗里达州博卡拉顿:CRC出版社·Zbl 1245.62105号 [42] PittMK ShephardN。1997.非高斯测量时间序列的可能性分析。生物特征84,3:653-667·Zbl 0888.62095号 [43] SingpurwallaND,PolsonNG,SoyerR,2018年。从最小二乘到信号处理和粒子滤波。《技术计量》60,2:146-160。 [44] SmithR,MillerJE,1986年。非高斯状态空间模型及其在记录预测中的应用。英国皇家统计学会杂志,B48系列,1:79-88·兹比尔0593.62099 [45] 斯泰西EW。1962.伽马分布的推广。《数理统计年鉴》·Zbl 0121.36802号 [46] 斯托维克。2002.存在未知静态参数的状态空间模型的粒子滤波器。IEEE信号处理汇刊50,2:281-289。 [47] TadikamalaPR公司。1980年。Burr和相关分布的研究。国际统计评论·Zbl 0468.62013年 [48] 乌利希。1997.随机波动率贝叶斯向量自回归。经济计量学·Zbl 0870.62092号 [49] 澳大利亚康塞普西翁LopesHF VirbickaitáA。,加利亚诺P.2019。贝叶斯半参数随机波动模型的粒子学习。计量经济学评论·Zbl 1490.62328号 [50] 哈里森·J·韦斯特。1999年,贝叶斯预测和动态模型,第二版,柏林:施普林格出版社。 [51] WestM、HarrisonJ、MigonHS。动态广义线性模型和贝叶斯预测。美国统计协会杂志80,389:73-83·Zbl 0568.62032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。