张世斌 平稳时间序列的贝叶斯copula谱分析。 （英语） 兹比尔1507.62207 计算。统计数据分析。 133, 166-179 (2019). 摘要：近年来，基于分位数的光谱分析因其能够捕获序列相关性而非协方差相关性而备受关注。典型的基于分位数的谱之一是由H.德特等[Bernoulli 21，No.2，781–831（2015；Zbl 1337.62286号)]，这比传统的光谱密度信息更丰富。为了避免在经典方法中以相同的方式平滑不同分位数对的所有CSDK，我们提出了一种贝叶斯方法，该方法使用马尔可夫链蒙特卡罗方法一次自动将平滑样条拟合到多个不同的CSDK。通过将谱矩阵替换为改进的Cholesky分解并将其重新排列为求和，将Whittle型似然函数表示为乘积形式，从而将样条基系数和平滑参数独立分组。然后，我们的方法通过哈密顿蒙特卡罗（HMC）步骤生成CSDK的自动平滑估计，以及来自参数后验分布的样本。参数分组方案减少了编码工作量，HMC降低了计算复杂度。这两种方法都允许该方法适用于同时估计大量CSDK。 引用于5文件 MSC公司： 62-08 统计学相关问题的计算方法 62M15型 随机过程和谱分析的推断 2015年1月62日 贝叶斯推断 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：交配；哈密尔顿蒙特卡罗；光谱分析；时间序列；时间可逆性；削波可能性 引文：Zbl 1337.62286号 软件：quantspec公司；美国astsa；贝叶斯规范 PDF格式BibTeX公司 XML格式引用 \textit{S.Zhang}，计算。统计数据分析。133166-179（2019年；Zbl 1507.62207） 全文： 内政部 参考文献： [1] 巴伦尼克，J。；Kley，T.，经济变量之间相关性的分位数交叉谱测量（2015），arXiv:1501.06946 [2] 比尔，S。；Volgushev，S。；Kley，T。；Dette，H。；Hallin，M.，局部平稳时间序列的分位数谱分析，J.R.Stat.Soc.B Stat.Methodol。，79, 1619-1643 (2017) ·兹比尔06840449 [3] Dette，H。；Hallin，M。；Kley，T。；Volgushev，S.，《关于连接词、分位数、秩和谱：谱分析的一种（L_1）方法》，Bernoulli，21，781-831（2015）·Zbl 1337.62286号 [4] Gelman，A.，层次模型中方差参数的先验分布，贝叶斯分析。，1，1-19（2006年） [5] Gelman，A。；Carlin，J.B。；斯特恩，H.S。；邓森，D.B。；Vehtari，A。；鲁宾，D.B.，《贝叶斯数据分析》。（2014），Taylor&Francis集团：Taylor and Francis Group Boca Raton [6] Geyer，C.J.，《实用马尔可夫链蒙特卡罗》，统计师。科学。，7, 473-483 (1992) [7] Goodman，N.R.，基于某一多元复高斯分布的统计分析（导论），Ann.Math。统计人员。，34, 152-177 (1963) ·Zbl 0122.36903号 [8] Hagemann，A.，《稳健光谱分析》（2013），可从arXiv:11111.1965v2获得 [9] Hong，Y.，《序列相关性的广义谱检验》，J.R.Stat.Soc.B Stat.Methodol。，62555-574（2000年）·Zbl 0963.62043号 [10] Kley，T.，《面向对象框架中基于分位数的谱分析和R中的参考实现：quantspec包》，J.Stat.Softw。，70, 3, 1-27 (2016) [11] Kley，T。；Volgushev，S。；Dette，H。；Hallin，M.，分位数谱过程：渐近分析和推断，Bernoulli，221770-1807（2016）·兹比尔1369.62245 [12] Koenker，R.，（分位数回归。分位数回归，计量经济学社会专著，第38卷（2005年），剑桥大学出版社：剑桥大学出版社）·Zbl 1111.62037号 [13] Koenker，R。；Xiao，Z.，分位数自回归，J.Amer。统计师。协会，101，980-990（2006）·Zbl 1120.62326号 [14] Krafty，R.T。；Collinge，W.O.，功率谱估计的惩罚多元Whittle似然，Biometrika，100,1-12（2013）·Zbl 1284.62581号 [15] Krafty，R.T。；O.Rosen。；斯托弗，D.S。；Buysse，D.J。；Hall，M.H.，《复制多时间序列的条件谱分析及其在夜间生理学中的应用》，J.Amer。统计师。协会，1121405-1416（2017） [16] Lee，J。；Rao，S.S.，《非线性时间序列的分位数谱密度和基于比较的测试》（2012），可在arXiv:1112.2759v2上获得 [17] 莱伊，C。；雷内特，G。；Swan，Y.，《贝叶斯统计中嵌套密度之间的距离和先验影响的度量》，Ann.Appl。概率。，27, 216-241 (2017) ·Zbl 1381.60065号 [18] Li，T.H.，时间序列分析的拉普拉斯周期图，J.Amer。统计师。协会，103，757-768（2008）·Zbl 1471.62471号 [19] Li，T.H.，分位数周期图，J.Amer。统计师。协会，107，765-776（2012）·Zbl 1261.62082号 [20] 李，Z。；Krafty，R.T.，多元时间序列的自适应贝叶斯时频分析，J.Amer。统计师。协会（2018） [21] MacEachern，S.N。；Berliner，L.M.，吉布斯采样器二次采样，Amer。统计人员。，48, 188-190 (1994) [22] 佩德森，P.T。；Jensen，J.J.，使用闭合形式表达式估计船体主梁垂直弯矩，包括非线性和柔性效应，Proc。仪器机械。工程师：J.Eng.Maritime Environ。，223, 3, 377-390 (2009) [23] O.Rosen。；Stoffer，D.S.，通过平滑样条自动估计多元光谱，生物统计学，94，1-11（2007） [24] 罗森，O。；木材，S。；Stoffer，D.S.，通过平滑样条的贝叶斯混合进行局部谱分析，J.Amer。统计师。协会，104，249-262（2009）·Zbl 1388.62268号 [25] O.Rosen。；木材，S。；Stoffer，D.S.，AdaptSPEC：非平稳时间序列的自适应谱估计，J.Amer。统计师。协会，107，1575-1589（2012）·Zbl 1258.62093号 [26] Shumway，R.H。；Stoffer，D.S.，《时间序列分析及其应用与R示例》（2011年），Springer:Springer New York·Zbl 1276.62054号 [27] Whittle，P.，《曲线和周期图平滑》，J.R.Stat.Soc.B Stat.Methodol。，19, 38-47 (1957) ·Zbl 0089.35701号 [28] 木材，S。；蒋伟（Jiang，W.）。；Tanner，M.，空间自适应非参数回归的贝叶斯样条混合，生物统计学，89，513-528（2002）·Zbl 1136.62340号 [29] Zhang，S.，离散观测高斯移动平均值的经验似然方法，J.Stat.Compute。模拟。，86, 942-958 (2016) ·Zbl 1510.62349号 [30] Zhang，S.，非平稳多元时间序列的自适应谱估计，计算。统计师。数据分析。，103, 330-349 (2016) ·Zbl 1466.62227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。