{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期段”：[[2023,9,2]，“日期时间”：“2023-09-02T14:12:11Z”，“时间戳”：1693663931012}，“引用计数”：21，“发布者”：“威利”，“问题”：“2”，“许可证”：[{“开始”：{“日期段2T00:00:00Z“，”时间戳“：1614643200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“http://\/onlinelibrary.wiley.com/termsAndConditions#vor”}]，“内容域”：{“域”：[“onlinelibrary.wiley.com”]，“crossmark-restriction”：true}，“short-container-title”：[”统计分析“]，”published-print“：{”date-parts“：[2021,4]]}，”抽象“：”摘要<\/jats:title>这项跨学科研究包括计算、优化和大数据统计的要素。具体来说，它解决了大时间序列数据的模型顺序识别方面。对于在大量时间点记录的时间序列，在整数阶网格上计算和最小化信息标准（如BIC）变得非常困难。我们建议只计算整数阶样本的信息准则，并使用基于kriging \u2010的方法在网格的其余部分模拟信息准则。然后，我们使用高效的全局优化（EGO）算法来识别阶。该方法同时适用于ARMA和ARMA\u2010GARCH模型。我们模拟了预先指定订单的每种模型的时间序列，并应用该方法识别订单。我们还使用了具有数万个时间点的真实大时间序列来说明该方法。特别是，从1971年年初到2010年4月中旬，在新型冠状病毒肺炎疫情的早期阶段，我们将情绪评分用于ARMA模型的经济新闻头条，以及ARMA\u2010GARCH模型的纳斯达克每日收益。该方法能够有效、准确地识别大时间序列数据模型的阶数<\/jats:p>“，”DOI“：”10.1002\/sam.11504“，”type“：”journal-article“，”created“：{”date-parts“：[2021,3,2]，”date-time“：”2021-03-02T08:30:55Z“，”timestamp“：1614673855000}，”page“：“201-212”，”update-policy“：“标题”：[“大时间序列数据模型的仿真顺序识别“]，”前缀“：”10.1002“，”卷“：”14“，”作者“：[{”给定“：”Brian“，”家族“：”Wu“，”序列“：”first“，”affiliation“：[}”name“：”美国密歇根州罗切斯特奥克兰大学数学与统计系“}]}，{”ORCID“：”http://\ORCID.org\/0000-0002-7649-6618“，”authenticated-orcid“：false，”given“：”Dorin“，”family“：”Drignei“，“sequence”：“additional”，“affiliation”：[{“name”：“美国密歇根州罗切斯特奥克兰大学数学与统计系”}]]，“member”：“311”，“published-online”：{“date-parts”：[[2021,3,2]}，“reference”：[}“key”：“e_1_2_7_2_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1007\/978-3-319-29854-2“}，{“key”：“e_1_2_7_3_1”，“首页”：“873”，“article-title”：“具有相关创新的时间序列的模型识别”，“卷”：“23”，“作者”：“陈S”，“年份”：“2013”，“新闻标题”：“Stat.Sin.”}，}，“key“：”e_1_i_7_4_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/978-0-387-75959-3”}{“键”：“e_1_2_7_5_1”，“doi-asserted-by“：”publisher“，”doi“：”10.1007\/978-3-319-43252-6“}，{”key“：”e_1_2_7_6_1“，“doi-assert-by”：“publisher”，“doi”：“10.1198\/TECH.2010.10029”}，}“key”：“e_1_i_7_7_1”，”volume-title“：”计算机实验的设计和建模“，”author“：”Fang K.“，”year“：”2007“}”，{serted-by“：”publisher“，”doi“：”10.1080\/0735015.2017.1401543“}，{“key”：“e_1_2_7_9_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1023\/A:1008306431147”}，“key“：”e_1_i_7_10_1“，”doi-assert-by“：”publisher“，来源2018年在线新闻订阅的社会反馈。arXiv:1801.07055.“}，{“key”：“e_1_2_7_12_1”，“volume-title”：“时间序列分析课程”，“author”：“Pena D.”，“year”：“2001”}，“key“：”e_1_i_7_13_1“，”doi-asserted-by“：”publisher“，doi“：”10.18637\/jss.v051.i01“}，{“键”：“e_1_2_7_15_1”，“doi由“：”publisher断言，“doi”：“10.1214\/ss\/11707012413”}，｛“key”：“e_1_2_7_16_1”，“doi由”：“publisher”断言，“doi”：“10.1007\/978-1-4757-3799-8”}，｛“key”：“e_1_2_7_17_1”，“doi由”：“publisher”断言，“doi”：“10.1007\/978-3-319-52452-8”}，｛“key”：“e_1_2_7_18_1”，“非结构化”：“K.Soetaert plot3d：绘制2010年多维数据。R软件包版本1.1.1 2017。“}，{”key“：”e_1_2_7_19_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1080\/01621459.1984.10477068”}，“key”：“e_1_i_7_20_1”，“doi-assert-by”：“publisher”，”doi“：”10.1007\/s00607-020-00793-x“}”，{D.Wuertz T.Setz Y.Chalabi C.Boudt P.Chausse和M。Miklovac Fgarch:Rmetrics\u00a0\u2013\u00a0自回归条件异方差模型。R包版本3042.83.1 2019。“}，{“key”：“e_1_2_7_22_1”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s00607-019-00722-7”}]，“container-title”：[“统计分析和数据挖掘：ASA Data Science Journal”]，“original title”：[]，“language”：“en”，“link”：[{“URL”：“https:\//onlinelibrary.wiley.com\/doi\/pdf\/10002\/sam.11504，“内容类型”：application\/pdf“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/onlinelibrary.wiley.com/doi\/full-xml\/10.1002\/sam.11504”，“content-type”：“application\/xml”，“content-version”：“vor”，“intended-application”：“text-miniing”}，”{“URL”：“https:\/\\/onlinelibrary.willey.com/doi \/pdf\/101002\/sam 11504“，”内容类型“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2023,9,1]]，”date-time“：”2023-09-01T18:50:14Z“，”timestamp“：1693594214000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/onlinelibrary.wiley.com/doi\/101002\/sam.11504”}}}，“subtitle”：[]，“短标题“：[]，”已发布“：{”date-parts“：[[2021,3,2]]}，“references-count”：21，“journal-issue”：{“issue”：“2”，“published-print”：{“date-part”：[[2021,4]]}}，”alternative-id“：[”10.1002\/sam.11504“]，“URL”：“http://\/dx.doi.org\/101002\/sam.11004”，“archive”：[“Portico”]，“relation”：{}，《ISSN》：[”1932-1864“，“1932-1872”]，“ISSN-type”：[{“值”：“1932-1864”，“类型”：“打印”}，{“数值”：“1932-1872”，“type”：“electronic”｝]，“subject”：[]，“published”：｛“date parts”：[[2021,3,2]]｝，“assertion”：[｛“value”：“2020-05-07”，“order”：0，“name”：“received”，“label”：“received”，“group”：｛“name”：“publication_history”，“label”：“publication history”｝｝，｛“value”：“2020-12-29”，“order”：1，“name”：“accepted”，“label”：“accepted”，“group”：｛name“：”publication_history“，”标签“：”出版物历史“}}，{“value”：“2021-03-02”，“order”：2，“name”：“published”，“label”：“published”，“group”：{“name”:“Publication_History”，“标签”：“Publication History”}}]}}