×
弗朗西斯科·布拉斯克斯;詹妮克·范·布鲁梅伦;保罗·高尔基;科普曼，暹粒

混合正态分布非平稳位置模型的最大似然估计。 （英语） Zbl 07803941号

《经济学杂志》。 238，第1号，文章ID 105575，22 p.（2024）.
摘要：我们考虑一个观测驱动的位置模型，其中未观测到的位置变量被建模为随机行走过程，并且误差变量来自正态分布的混合。时变位置可以用平稳过程进行扩展，以考虑周期性和/或高阶自相关。混合正态分布可以精确地近似许多连续的误差分布。基于具有非平稳和非线性特征的时间序列模型，我们获得了一个灵活的鲁棒滤波和预测建模框架。我们提供了特定模型中参数向量的极大似然估计的强相合性和渐近正态性的充分条件。这些渐近性质在正确的模型规范下是有效的，并且可以推广到允许模型的潜在错误规范。进行了模拟研究，以监测在模型中添加额外混合成分时预测精度的提高。在实证研究中，我们表明，对于电力现货价格的时间序列，我们的方法在预测精度方面能够优于替代观测驱动的位置模型。

MSC公司：

62至XX 统计
91至XX 博弈论、经济学、金融和其他社会和行为科学

关键词：

时变参数;非对称和重尾分布;鲁棒滤波器;可逆性;一致性;渐近正态性
PDF格式BibTeX公司 XML格式引用
\textit{F.Blasques}等人，《经济学杂志》。238，第1号，文章ID 105575，22页（2024；Zbl 07803941）
全文： 内政部
OA许可证

参考文献：

[1] 贝弗里奇，S。；Nelson，C.R.，《将经济时间序列分解为永久和暂时组成部分的新方法》，特别关注“商业周期”的测量。货币经济学杂志，2151-174（1981）
[2] 布拉斯克斯，F。；van Brummelen，J。；科普曼，S.J。；Lucas，A.，记分驱动模型的最大似然估计。《计量经济学杂志》，2325-346（2022）·Zbl 07491163号
[3] 布拉斯克斯，F。；Gorgi，P。；库普曼，S.J。；Wintenberger，O.，观测驱动模型的可行可逆条件和最大似然估计。《电子统计杂志》，1019-1052（2018）·Zbl 1473.62301号
[4] Bougerol，P.，随机系数和收缩的卡尔曼滤波。SIAM控制与优化杂志，4942-959（1993）·Zbl 0785.93040号
[5] 盒子，G。；Jenkins，G.，《时间序列分析：预测与控制》（1970年），旧金山：霍尔登日·Zbl 0249.62009号
[6] 凯瓦诺，M。；Harvey，A.C.，EGB2条件分布的时间序列模型。时间序列分析杂志，6558-571（2014）·兹比尔1311.62141
[7] 凯瓦诺，M。；哈维，A.C。；Luati，A.，具有趋势和季节成分的稳健时间序列模型。系列，199-120（2016）
[8] Catania，L.，《波动性和风险应用的动态自适应混合模型》。《金融计量经济学杂志》，4531-564（2021）
[9] Clark，P.K.，《美国经济活动的周期性成分》。《经济学季刊》，797-814（1987）
[10] 克雷亚尔，D。；科普曼，S.J。；Lucas，A.，时变波动率和相关性的动态多元重尾模型。《商业与经济统计杂志》，4552-563（2011）
[11] 克雷亚尔，D。；科普曼，S.J。；Lucas，A.，广义自回归评分模型及其应用。应用计量经济学杂志，5777-795（2013）
[12] Durbin，J。；Koopman，S.J.，状态空间方法的时间序列分析（2012），牛津大学出版社·Zbl 1270.62120号
[13] 恩格尔，R.F。；Lee，G.，股票收益波动性的长期和短期成分模型。协整、因果关系和预测：纪念克莱夫·WJ·格兰杰的节日，475-497（1999）
[14] 埃斯克里巴诺，A。；伊格纳西奥·佩尼亚，J。；Villaplana，P.，《电价建模：国际证据》。牛津经济统计公报，5622-650（2011）
[15] 费尔南德斯，C。；Steel，M.F.，《关于胖尾和偏态的贝叶斯模型》。《美国统计协会杂志》，441359-371（1998）·Zbl 0910.62024号
[16] Geweke，J。；Amisano，G.，最优预测池。《计量经济学杂志》，1130-141（2011）·Zbl 1441.62700号
[17] Gneiting，T。；Raftery，A.E.，严格正确的评分规则、预测和评估。《美国统计协会杂志》，477359-378（2007）·Zbl 1284.62093号
[18] 古德费罗，我。；Y.本吉奥。；A.Courville，《深度学习》（2016），麻省理工学院出版社·Zbl 1373.68009号
[19] Gorgi，P.，Koopman，S.J.，2021年。带外生回归因子的贝塔观测驱动模型：实现相关性和杠杆效应的联合分析。计量经济学杂志。即将推出。
[20] Harvey，A.C.，《预测、结构时间序列模型和卡尔曼滤波器》（1989），剑桥大学出版社
[21] Harvey，A.C.，《波动性和重尾的动态模型：金融和经济时间序列的应用》（2013），剑桥大学出版社·Zbl 1326.62001号
[22] Harvey，A.C。；Jaeger，A.，《解构、风格化的事实与商业周期》。应用计量经济学杂志，231-247（1993）
[23] 哈维，A.C。；Luati，A.，用重尾巴过滤。《美国统计协会杂志》，507，1112-1122（2014）·Zbl 1368.62251号
[24] Huber，P.J.，位置参数的稳健估计。《数理统计年鉴》，173-101（1964）·Zbl 0136.39805号
[25] Krengel，U.，遍历定理。《德格鲁伊特数学研究》第6卷。德格鲁伊特（1985）·Zbl 0575.28009号
[26] 李·G。；朱，Q。；刘，Z。；Li，W.K.，关于混合双自回归时间序列模型。《商业与经济统计杂志》，2306-317（2017）
[27] 马丁内特，G.G。；McAleer，M.，关于EGARCH（p，q）的可逆性。《计量经济学评论》，8824-849（2018）·Zbl 1490.62261号
[28] 麦克拉克伦，G。；Peel，D.，《有限混合模型》（2004），《概率统计中的Wiley级数》。威利
[29] Nielsen，F.，通过混合转换为指数多项式分布，快速近似单变量高斯混合之间的Jeffreys散度。熵，111417（2021）
[30] Pötscher，B.M。；Prucha，I.R.，《动态非线性经济计量模型：渐近理论》（1997），施普林格-弗拉格出版社·Zbl 0923.62121号
[31] Shephard，N.，MA（1）和局部模型的ML估计的分布。计量经济学理论，377-401（1993）
[32] Sorokin，A.，2011年。一些异方差模型中的不可变性。ArXiv预打印ArXiv:1104.3318。
[33] 股票，J.H。；Watson，M.W.，为什么美国通货膨胀变得更难预测？。《货币、信贷与银行杂志》，1，3-33（2007）
[34] 斯特劳曼，D。；Mikosch，T.，条件异方差时间序列中的拟最大似然估计：随机递归方程方法。《统计年鉴》，52449-2495（2006）·Zbl 1108.62094号
[35] Titterington，D.M。；史密斯，A.F.M。；Makov，U.E.，《有限混合分布的统计分析》（1985），威利，纽约·Zbl 0646.62013.中
[36] Tukey，J.W.，《污染分布抽样调查》。对概率和统计的贡献，448-485（1960）·Zbl 0201.52803号
[37] White，H.，《估算、推断和规范分析》（1994年），计量经济学社会专著。剑桥大学出版社·Zbl 0860.62100号
[38] Wintenberger，O.，EGARCH（1,1）模型的连续可逆性和稳定QML估计。《斯堪的纳维亚统计杂志》，4846-867（2013）·Zbl 1283.62190号
[39] Wong，C.S。；Li，W.K.，关于混合自回归模型。英国皇家统计学会杂志：B辑（统计方法），195-115（2000）·Zbl 0941.62095号
[40] Wong，C.S。；Li，W.K.，关于混合自回归条件异方差模型。《美国统计协会杂志》，455982-995（2001）·Zbl 1051.62091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。