摘要
功能性自动回归移动平均(FARMA或ARMAH)模型允许对功能性时间序列进行灵活自然的建模。虽然在Hilbert空间中有许多关于纯自回归(FAR)模型的结果,但关于FARMA模型的估计和预测的结果却少得多。我们设计了一种简单的两步方法来估计可分离Hilbert空间中的ARMA模型。估计是基于使用功能时间序列的主成分分析的维数缩减。我们探索了两种不同的方法来选择用于正则化的主成分子空间,并在最小假设和实际环境中建立了所提估计的一致性。在模拟研究中评估了估计算法的经验性能,其性能优于竞争方法。
致谢
作者要感谢两位匿名审稿人的评论,他们的评论极大地提高了本文的质量。作者特别感谢他的博士生导师齐格弗里德·霍尔曼(Siegfried Hörmann)的大量讨论和宝贵意见,这些都有助于形成本文。
引用
下载引文
托马斯·库恩泽。
“功能ARMA模型的估计。”
伯努利
30
(1)
117 - 142,
2024年2月。
https://doi.org/10.3150/23-BEJ1591
问询处
接收日期:2022年10月1日;发布日期:2024年2月
欧几里德项目首次推出:2023年11月8日
数字对象标识符:10.3150/23-BEJ1591
关键词:FARMA模型,功能数据分析,功能时间序列,模型估计,移动平均线