贾里·米提宁;马库斯·马蒂莱宁;克劳斯·诺德豪森;萨拉·塔西宁 使用独立成分分析提取条件异方差成分。 （英语） Zbl 1447.62104号 J.时间序列。分析。 41，第2期，293-311（2020）. 本文研究了一种独立成分分析模型，该模型结合了线性和二次自相关的使用，能够有效估计不同时间序列的参数。在ARCH-GARCH模型的情况下，导出了该估计量的渐近方差。提供了识别潜在组件的测试，并提出了组件排序的标准。通过有限样本模拟，对权重系数的不同选择进行了渐近比较。该模型用于分析汇率数据集。审核人：Annibal Parracho Sant’Anna（里约热内卢） 引用于4文件 MSC公司： 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 60亿10 平稳随机过程 62H25个 因子分析和主成分；对应分析 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：ARMA-GARCH过程;渐近正态性;自相关;盲源分离;主要波动性成分 PDF格式BibTeX公司 XML格式引用 \textit{J.Miettinen}等人，J.Time-Ser。分析。41，第2号，293--311（2020；Zbl 1447.62104） 全文： DOI程序 arXiv公司 参考文献： [1] BaiJ.、。，NgS.2002年。确定近似因子模型中的因子数。计量经济学70:191-221·Zbl 1103.91399号 [2] 巴里戈齐。，HallinM.2016年。广义动态因子模型和波动性：恢复市场波动性冲击。计量经济学杂志19:C33-C60·Zbl 1521.62189号 [3] 巴里戈齐。，HallinM.2017年。广义动态因子模型和波动率：估计和预测。计量经济学杂志201:307-321·Zbl 1377.62194号 [4] 贝鲁赫拉尼亚。，阿贝德·梅莱姆。，卡多佐J.‐F.，MoulinesE.1997年。基于二阶统计量的盲源分离技术。IEEE信号处理汇刊45:434-444。 [5] 系船柱。广义自回归条件异方差。《计量经济学杂志》31，3:307-327·Zbl 0616.62119号 [6] 系船柱。，恩格尔。，尼尔森1994年。ARCH模型。在《计量经济学手册》中。英语R。（编辑），McFaddenD。（编辑）（编辑），第4卷北荷兰：阿姆斯特丹。 [7] Bollerslev.T。，恩格尔。，《伍尔德里奇杂志》，1988年。具有时变协方差的资本资产定价模型。政治经济学杂志96:116-131。 [8] 卡多佐J.‐F.，SouloumiacA.1993年。非高斯信号的盲波束形成。IEE会议录F-雷达和信号处理140，6:362-370。 [9] ChibS、NardariF、ShephardN。2006.高维多元随机波动率模型分析。计量经济学杂志134:341-371·Zbl 1418.62377号 [10] 通讯录。，JuttenC.2010年。盲源分离手册。独立成分分析和应用。牛津：学术出版社。 [11] 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50:987-1008·Zbl 0491.62099号 [12] 恩格尔。，克朗，1995年。多元同时广义ARCH。计量经济学理论11:122-150。 [13] 范杰斯。，辽宁。，MinchevaM.2013年。通过阈值化主正交补码进行大协方差估计。英国皇家统计学会期刊，B74:603-680·Zbl 1411.62138号 [14] 福尔尼姆。，哈林姆。，LippiM公司。，莱希林L.2000。广义动态因子模型：识别和估计。《经济学与统计学评论》82:540-554。 [15] 福尔尼姆。，哈林姆。，LippiM公司。，赖希林L.2004。广义动态因子模型的一致性和速率。计量经济学杂志119:231-255·Zbl 1282.91267号 [16] 加西亚·费雷尔。，González‐PrietoE。，Peña D.2012年。条件异方差独立因子模型及其在金融股票收益中的应用。国际预测杂志28，1:70-93。 [17] 海特2017。使用独立成分分析估计具有异方差的结构自回归中的波动因果关系。统计文件。https://doi.org/10.1007/s00362‐017‐0919‐3. ·Zbl 1437.62332号 ·doi:10.1007/s00362‐017‐0919‐3 [18] 蔡英文（TsayR HuY）。2014年。主要波动性成分分析。商业与经济统计杂志32:153-164。 [19] Hyndman R.2017年。预测：时间序列和线性模型的预测功能。R软件包版本8.1。http://github.com/robjhyndman/forective。 [20] HyvärinenA.2001年。基于方差非平稳性的盲源分离：一种基于累积量的方法。IEEE神经网络汇刊12，6:1471-1474。 [21] 海瓦里纳。，OjaE.2001年。独立成分分析。纽约：John Wiley&Sons。 [22] 伊利纳克州、米提宁州、。，FuchsC.公司。，塔斯基宁。，诺德豪森K。，奥贾哈。，他们。2015年7月。利用二阶盲源分离算法的极限分布进行模型选择。信号处理113:95-103。 [23] 伊尔蒙蛋白。，诺德豪森K。，奥贾哈。，奥利拉E.2010。一种新的ICA性能指标：性能计算和渐近分析。潜在变量分析和信号分离，LNCS。维格纳龙五世。（编辑），ZarzosoV。（编辑），MoreauE。（编辑），Gribonval R。（编辑），文森特。（编辑）（编辑），第6365卷，施普林格：海德堡。 [24] 国际货币基金组织。2017.国际货币基金组织汇率。数据集。http://www.imf.org/external/np/fin/ert/GUI/Pages/CountryDataBase.aspx。 [25] 马蒂莱内姆。，克鲁克斯。，MiettinenJ.、。，诺德豪森K。，奥贾哈。，任务名称。，维塔期刊，2018年。tsBSS：时间序列的盲源分离和监督降维。R包版本0.5.2。https://CRAN.R‐project.org/package=tsBSS。 [26] 马蒂莱内姆。，MiettinenJ.、。，诺德豪森K。，奥贾哈。，任务编号：2017。关于独立成分分析和随机波动率模型。奥地利统计杂志46:57-66。 [27] 马蒂莱内姆。，诺德豪森。，OjaH.2015年。用于时间序列的新独立组件分析工具。统计学与概率论字母105:80-87·Zbl 1396.62214号 [28] 马特森。，TsayR.2011年。多元时间序列的动态正交分量。美国统计协会杂志106，496:1450-1463·Zbl 1323.62086号 [29] MiettinenJ.、。，伊利诺伊、诺德豪森、。，奥贾哈。，任务名称。，TheisF.2016年。使用自方差矩阵分离不相关平稳时间序列。时间序列分析杂志37，3:337-354·Zbl 1381.62250号 [30] MiettinenJ.、。，诺德豪森K。，奥贾哈。，任务编号：2012。平稳时间序列盲源分离估计的统计特性。统计与概率快报82:1865-1873·Zbl 1312.62110号 [31] MiettinenJ.、。，诺德豪森K。，奥贾哈。，任务编号：2014。基于通货紧缩的不相关平稳时间序列分离。多元分析杂志123:214-227·Zbl 1278.62147号 [32] MiettinenJ.、。，诺德豪森K。，任务编号：2017。基于联合对角化的R:JADE和BSSasymp包盲源分离。统计软件杂志76，2:1-31。 [33] MiettinenJ..等人。，任务名称。，诺德豪森K。，奥贾。2015.第四时刻和独立成分分析。统计科学30:372-390·兹比尔1332.62196 [34] 奥贾·诺德豪森克。2018.独立成分分析：统计视角。威利跨学科评论：计算统计10，5:e1440。 [35] 诺德豪森K。，泰勒D。2015年12月。关于稳健协方差插件方法的注意事项。生物特征102:573-588·Zbl 1452.62416号 [36] 奥贾哈。，SirkiäS。，埃里克松期刊，2006年。散布矩阵和独立成分分析。奥地利统计杂志35:175-189。 [37] R核心团队。2017.R：统计计算的语言和环境。奥地利维也纳：R统计计算基金会。https://www.R‐project.org/。 [38] ShiZ.、。，江泽民。，周F.2009。非线性自相关非高斯盲源分离。计算与应用数学杂志223，1:908-915·Zbl 1159.65014号 [39] 斯托克J。，沃森M.2002。使用大量预测因子的主成分进行预测。美国统计协会杂志97:1167-1179·Zbl 1041.62081号 [40] 任务名称。，MiettinenJ.、。，诺德豪森K.2016。一种分离不相关平稳时间序列的更有效的二阶盲辨识方法。统计与概率快报116:21-26·兹比尔1419.62251 [41] TongL.、。，很快。，HuangY。，刘R.1990。AMUSE：一种新的盲辨识算法。在IEEE国际电路与系统研讨会上。 [42] 魏斯A.1984。带有ARCH错误的ARMA模型。时间序列分析杂志5，2:129-143·Zbl 0549.62079号 [43] 五月份。，2005年。使用ICA‐GARCH模型对多元金融时间序列进行波动建模。InIntelligent Data Engineering and Automated Learning-IDEAL 2005:第六届国际会议，澳大利亚布里斯班，2005年7月6日至8日。《施普林格-柏林-海德堡论文集：柏林，海德堡》，第571-579页。 [44] 伍尔茨。，Rmetrics核心团队。2013.fGarch：Rmetrics-自回归条件异方差模型。R包版本3010.82。http://CRAN.R网站‐project.org/package=fGarch。 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。