IDEAS主页打印自https://ideas.repec.org/p/tin/wpaper/20180013.html
  我的参考书目  保存此纸张

观测驱动时间序列模型中的缺失观测

作者

上市的：
  • 弗朗西斯科·布拉斯克斯

    （荷兰阿姆斯特丹VU）

  • 保罗·高尔基

    （荷兰阿姆斯特丹VU）

  • 暹粒·扬（S.J.）·科普曼

    （荷兰阿姆斯特丹VU）

摘要

我们认为现有的处理观测驱动模型中缺失观测值的方法会导致不一致的推断。我们对具有时变均值的高斯模型提供了这种不一致性的形式证明。蒙特卡罗模拟研究支持了这一理论结果，并说明了不一致性问题如何扩展到记分驱动模型，更广泛地说，扩展到观测驱动模型，其中包括众所周知的条件波动率模型。为了克服不一致推理的问题，我们提出了一种新的基于间接推理的估计方法。这种易于实现的方法提供了一致的推理。形式上导出了渐近性质。我们提出的方法在蒙特卡罗研究和关于金融收益数据条件波动性测量的实证研究中都显示出了良好的性能。

建议引文

  • Francisco（F.）Blasques&Paolo Gorgi&Siem Jan（S.J.）Koopman，2018年。"观测驱动时间序列模型中的缺失观测,"廷伯根研究所讨论文件18-013/III，廷伯根研究所。
    • 手柄：RePEc:tin:wppaper:20180013
    作为

    从出版商下载全文

    文件URL: https://papers.tinbergen.nl/18013.pdf
    下载限制：不
    ---><---

    此项目的其他版本：

    IDEAS上列出的参考文献

    作为
    1. Drew Creal&Bernd Schwaab&Siem Jan Koopman&Andrí½Lucas，2014年。"观测驱动的混合度量动态因子模型及其在信用风险中的应用,"经济学与统计学综述麻省理工学院出版社，第96卷（5），第898-915页，12月。
    2. Lucas，André&Opschoor，Anne&Schaumburg，Julia，2016年。"记分驱动的时变参数模型中缺失值的解释,"经济学快报爱思唯尔，第148（C）卷，第96-98页。
    3. 帕斯卡·邦登和娜塔莉亚·巴哈蒙德，2012年。"缺失观测的ARCH模型的最小二乘估计,"时间序列分析杂志Wiley Blackwell，第33卷（6），第880-891页，11月。
    4. 丹尼尔·尼尔森（Daniel B Nelson），1991年。"资产收益的条件异方差：一种新方法,"计量经济学《计量经济学会》，第59卷（2），第347-370页，3月。
    5. Christian Gouriéroux和Alain Monfort，2017年。"复合间接推理及其应用,"工作文件2017-07，经济与统计研究中心。
    6. Andrew C.Harvey，2013年。"波动率和重尾的动态模型,"剑桥图书,剑桥大学出版社，编号9781107630024。
    7. F Blasques&P Gorgi&S J Koopman&O Wintenberger，2016年。"观测驱动模型最大似然估计的可行可逆条件,"工作文件hal-01377971，哈尔。
    8. Abdelkader Mokkadem，1988年。"ARMA过程的混合特性,"随机过程及其应用爱思唯尔，第29卷（2），第309-315页，9月。
    9. Blasques，Francisco&Koopman，Siem Jan&Lucas，Andre&Schaumburg，Julia，2016年。"利用空间金融时间序列模型测量系统风险的溢出动力学,"计量经济学杂志爱思唯尔，第195卷（2），第211-223页。
    10. 怀特，哈尔伯特，1996年。"估算、推断和规格分析,"剑桥图书,剑桥大学出版社，编号9780521574464。
    11. 唐纳德·安德鲁斯，1991年。"相依非同分布随机变量的经验过程中心极限定理,"多元分析杂志爱思唯尔，第38卷（2），第187-203页，8月。
    12. F Blasques&P Gorgi&S Koopman&O Wintenberger，2016年。"观测驱动模型最大似然估计的可行可逆条件,"论文1610.02863，arXiv.org。
    13. Andrew Harvey和Alessandra Luati，2014年。"重尾过滤,"美国统计协会杂志《泰勒与弗朗西斯杂志》，第109卷（507），第1112-1122页，9月。
    14. 杜宾、詹姆斯和科普曼，暹粒，2012年1月。"状态空间方法的时间序列分析,"OUP目录,牛津大学出版社，第2版，编号9780199641178，十二月。
    15. Lo，Andrew W.&Craig MacKinlay，A.，1990年。"非同步交易的计量分析,"计量经济学杂志爱思唯尔，第45卷（1-2），第181-211页。
    16. De Lira Salvatierra，Irving&Patton，Andrew J.，2015年。"动态copula模型和高频数据,"实证金融杂志爱思唯尔，第30卷（C），第120-135页。
    17. 理查德·戴维斯（Richard A.Davis），2003年。"泊松计数的观测驱动模型,"生物特征《Biometrika信托》，第90卷（4），第777-790页，12月。
    18. Francisco Blasques&Paolo Gorgi&Siem Jan Koopman&Olivier Wintenberger，2016年。"观测驱动模型的可行可逆条件和最大似然估计,"廷伯根研究所讨论文件16-082/III，廷伯根研究所。
    19. Tim Bollerslev，1986年。"广义自回归条件异方差,"计量经济学杂志爱思唯尔，第31卷（3），第307-327页，4月。
    20. Siem Jan Koopman&Rutger Lit&AndréLucas，2015年。"基于动态离散Copula分布的日内股价相关性,"廷伯根研究所讨论文件15-037/III/DSF90，廷伯根研究所。
    21. Drew Creal&Siem Jan Koopman&AndréLucas，2013年。"广义自回归得分模型及其应用,"应用计量经济学杂志，John Wiley&Sons，Ltd.，第28卷（5），第777-795页，8月。
    22. Petrella，Ivan&Venditti，Fabrizio&Delle Monache，Davide，2016年。"自适应状态空间模型及其在商业周期和财务压力中的应用,"CEPR讨论文件11599，C.E.P.R.讨论文件。
    23. Siem Jan Koopman&Rutger Lit&AndréLucas&Anne Opschoor，2018年。"股票价格高频变动的动态离散copula模型,"应用计量经济学杂志，John Wiley&Sons，Ltd.，第33卷（7），第966-985页，11月。
    24. Francq，Christian&Zakoian，Jean-Michel，2006年。"一类一般Garch（1,1）模型的混合特性,"计量经济学理论剑桥大学出版社，第22卷（5），第815-834页，10月。
    25. 罗伯特·F·恩格尔，1982年。"英国通货膨胀方差估计的自回归条件异方差,"计量经济学《计量经济学协会》，第50卷（4），第987-1007页，7月。
    完整参考文献 （包括与IDEAS上的项目不匹配的项目）

    引文

    引文由CitEc项目，订阅其RSS订阅源用于此项目。
    作为


    引用人：

    1. 路易斯·比萨利亚和马泰奥·格里戈莱托，2021年。"一种新的时变长记忆序列预测模型,"统计方法与应用，施普林格；意大利统计学会，第30卷（1），第139-155页，三月。
    2. 哈维，A.，2021年。"分数驱动的时间序列模型,"剑桥经济学工作论文2133，剑桥大学经济学院。

    最相关的项目

    这些是最常引用与本书相同作品的项目，也被与本书同样的作品引用。
    1. Francisco Blasques&Siem Jan Koopman&AndréLucas，2014年。"观测驱动时间序列模型的信息论最优性,"廷伯根研究所讨论文件14-046/III，廷伯根研究所。
    2. Francisco（F.）Blasques&Andre（A.）Lucas&Andries van Vlodrop，2017年。"分数驱动波动率模型的有限样本最优性,"廷伯根研究所讨论文件17-111/III，廷伯根研究所。
    3. Blasques，Francisco&Lucas，André&van Vlodrop，Andries C.，2021年。"分数驱动波动率模型的有限样本最优性：一些蒙特卡罗证据,"计量经济与统计爱思唯尔，第19卷（C），第47-57页。
    4. Blasques，Francisco&van Brummelen，Janneke&Koopman，Siem Jan&Lucas，Andre，2022年。"记分驱动模型的最大似然估计,"计量经济学杂志爱思唯尔，第227（2）卷，第325-346页。
    5. F Blasques&P Gorgi&S Koopman&O Wintenberger，2016年。"观测驱动模型最大似然估计的可行可逆条件,"论文1610.02863，arXiv.org。
    6. Marco Bazzi、Francisco Blasques、Siem Jan Koopman和Andre Lucas，2017年。"马尔可夫状态切换模型的时变转移概率,"时间序列分析杂志Wiley Blackwell，第38卷（3），第458-478页，5月。
    7. Blasques，Francisco&Ji，Jiangyu&Lucas，André，2016年。"半参数得分驱动的波动率模型,"计算统计与数据分析，爱思唯尔，第100卷（C），第58-69页。
    8. Drew Creal&Siem Jan Koopman&AndréLucas&Marcin Zamojski，2015年。"矩的广义自回归方法,"廷伯根研究所讨论文件15-138/III，廷伯根研究所，2018年7月6日修订。
    9. Mauro Bernardi和Leopoldo Catania，2015年。"切换-GAS Copula模型及其在系统风险中的应用,"论文1504.03733，arXiv.org，2016年1月修订。
    10. Francisco（F.）Blasques&Paolo Gorgi&Siem Jan（S.J.）Koopman，2017年。"加速GARCH和分数驱动模型：最优性、估计和预测,"廷伯根研究所讨论文件17-059/III，廷伯根研究所。
    11. Bernardi，Mauro&Catania，Leopoldo，2018年。"灵活动态依赖模型下的投资组合优化,"实证金融杂志爱思唯尔，第48卷（C），第1-18页。
    12. Francisco Blasques&Paolo Gorgi&Siem Jan Koopman&Olivier Wintenberger，2016年。"观测驱动模型的可行可逆条件和最大似然估计,"廷伯根研究所讨论文件16-082/III，廷伯根研究所。
    13. Blasques，F.&Gorgi，P.&Koopman，S.J.，2019年。"加速记分驱动的时间序列模型,"计量经济学杂志爱思唯尔，第212（2）卷，第359-376页。
    14. Francisco Blasques&Siem Jan Koopman&AndréLucas，2014年。"正确指定的广义自回归分数模型的最大似然估计：反馈效应、收缩条件和渐近性质,"廷伯根研究所讨论文件14-074/III，廷伯根研究所。
    15. Lucas，André&Opschoor，Anne&Schaumburg，Julia，2016年。"记分驱动的时变参数模型中缺失值的解释,"经济学快报爱思唯尔，第148（C）卷，第96-98页。
    16. F Blasques&P Gorgi&S J Koopman&O Wintenberger，2016年。"观测驱动模型最大似然估计的可行可逆条件,"工作文件hal-01377971，哈尔。
    17. Olusanya E.Olubusoye和OlaOluwa S.Yaya，2016年。"石油定价市场波动性的时间序列分析：收益序列的持续性、不对称性和跳跃性,"欧佩克能源评论《石油输出国组织》，第40卷（3），第235-262页，9月。
    18. Francesco Calvori&Drew Creal&Siem Jan Koopman&Andre Lucas，2014年。"竞争建模框架中参数不稳定性的测试,"廷伯根研究所讨论文件14-010/IV/DSF71，廷伯根研究所。
    19. 朱塞佩·巴切里（Giuseppe Bucceri）、贾科莫·博梅蒂（Giacomo Bormetti）、富尔维奥·科尔西（Fulvio Corsi）和法布里齐奥·里洛（Fabrizio Lillo），2018年。"噪声和异步数据的分数驱动条件相关模型：在高频协方差动力学中的应用,"论文1803.04894，arXiv.org，2019年3月修订。
    20. 卡塔尼亚，利奥波多&普罗埃蒂，托马索，2020年。"利用时变杠杆和波动性效应的波动性预测波动性,"国际预测杂志爱思唯尔，第36卷（4），第1301-1317页。

    有关此项目的详细信息

    关键词

    缺少数据;观测驱动模型;一致性;间接推理;波动;
    所有这些关键字.

    JEL公司分类：

    • C22型-数学与定量方法——单方程模型；单变量时间序列模型；动态分位数回归；动态治疗效果模型；扩散过程
    • 第58页-数学和定量方法——计量经济学建模——金融计量经济学

    NEP字段

    这篇论文已在下面宣布NEP报告:

    统计

    访问和下载统计

    更正

    本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:tin:wppaper:20180013。请参阅一般信息关于如何更正RePEc中的材料。

    如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

    如果CitEc公司识别了书目参考，但没有将RePEc中的项目链接到它，您可以帮助这个表格.

    如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

    有关本项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Tinbergen Office+31（0）10-4088900（以下电子邮件可用）。供应商的一般联系方式：https://edirc.repec.org/data/tinbenl.html.

    请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。

    思想是一个经济学研究论文服务。RePEc使用各出版商提供的书目数据。