陈以宁 具有对数创新的半参数时间序列模型：最大似然估计及其一致性。 （英语） Zbl 1378.62061号 扫描。J.统计。 42，第1期，1-31页（2015年）. 摘要：我们研究了具有新息的半参数时间序列模型，该模型服从对数曲线分布。我们提出了一个通用的最大似然框架，使我们能够同时估计模型的参数和创新的密度。该框架可以很容易地适用于许多著名的模型，包括自回归滑动平均（ARMA）、广义自回归条件异方差（GARCH）和ARMA-GARCH模型。此外，我们还证明了新框架下的估计器在ARMA和ARMA-GARCH设置下是一致的。我们通过深入的模拟研究证明了它的有限样本性能，并将其应用于模拟富时指数的每日对数回报100索引。 引用于1文件 MSC公司： 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 62G32型 极值统计；尾部推断 6220国集团 非参数推理的渐近性质 关键词：ARMA公司;ARMA-GARCH公司;一致性;加奇;对数凹性;最大似然;半参数;形状约束;时间序列 软件：对数凝聚体;fGarch公司;R度量;LogConcDEAD日志 PDF格式BibTeX公司 XML格式引用 \发短信{Y.Chen}，扫描。J.Stat.42，No.1，1--31（2015；Zbl 1378.62061） 全文： 内政部 arXiv公司 链接 参考文献： [1] 巴格诺利，对数压缩概率及其应用，计量经济学。西奥。第26页第445页–（2005年）·Zbl 1077.60012号 ·文件编号：10.1007/s00199-004-0514-4 [2] Balabdaoui，对数曲线密度极大似然估计的极限分布理论，《统计年鉴》。第37页，1299页–（2009年）·Zbl 1160.62008年 ·doi:10.1214/08-AOS609 [3] 比林斯利，概率与测度，3。编辑（1995）·Zbl 0822.60002号 [4] Bollerslev，广义自回归条件异方差，《计量经济学》31页307–（1986）·Zbl 0616.62119号 ·doi:10.1016/0304-4076（86）90063-1 [5] Bougerol，GARCH过程和一些非负时间序列的平稳性，《计量经济学杂志》52页115–（1992）·Zbl 0746.62087号 ·doi:10.1016/0304-4076（92）90067-2 [6] 布罗克韦尔，《时间序列：理论和方法》，2。编辑（1991）·Zbl 0709.62080号 ·数字对象标识代码：10.1007/978-1-4419-0320-4 [7] Brockwell，自回归滑动平均方程的严格平稳解，Biometrika 97 pp 765–（2010）·Zbl 1195.62137号 ·doi:10.1093/biomet/asq034 [8] Chen，Y.2011具有对数创新的半参数时间序列模型：最大似然估计及其一致性 [9] Chen，X.Liao，Z.Sun，Y.2012半非参数时间序列模型的筛选推断Cowles基础讨论论文 [10] 陈，光滑对数最大似然估计及其应用，统计学家。Sinica 23第1373页–（2013） [11] Cule，多维密度对数最大似然估计量的理论性质，电子。《美国联邦法律大全》第4卷第254页–（2010年）·Zbl 1329.62183号 ·doi:10.1214/09-EJS505 [12] Cule，多维对数曲线密度的最大似然估计（带讨论），J.R.Stat.Soc.Ser。B统计方法。第72页，545页–（2010年）·兹比尔1329.62183 ·文件编号：10.1111/j.1467-9868.2010.00753.x [13] Damsleth，具有双指数分布噪声的ARMA模型，J.R.Stat.Soc.Ser。B统计方法。第61页第51页–（1989年） [14] 挖掘，纵向数据分析，2。编辑（2002） [15] Drost，半参数GARCH模型中的有效估计，《计量经济学杂志》81页193–（1997）·Zbl 0944.62120号 ·doi:10.1016/S0304-4076（97）00042-0 [16] Drost，时间序列模型中的自适应估计，Ann.Statist。第25页，786页–（1997年）·Zbl 0941.62093号 ·doi:10.1214/aos/1031833674 [17] Dümbgen，对数曲线密度及其分布函数的最大似然估计：基本性质和一致一致性，Bernoulli 15 pp 40–（2009）·Zbl 1200.62030号 ·doi:10.3150/08-BEJ141 [18] Dümbgen，logcondens:与单变量对数压缩密度估计相关的计算，J.Stat.Softw。第39页第1页–（2011年）·doi:10.18637/jss.v039.i06 [19] Dümbgen，L.Hüsler，A.Rufibach，K.2011基于完整和删失数据的对数曲线密度的活动集和EM算法 [20] 杜姆布根，对数曲线分布的逼近及其在回归中的应用，《统计年鉴》。第39页，702页–（2011年）·Zbl 1216.62023号 ·doi:10.1214/10-AOS853 [21] Dümbgen，《从概率到统计再回来：高维模型和过程——纪念Jon a.Wellner的Festschrift》，第78页，（2013）·Zbl 1327.62204号 ·doi:10.1214/12-IMSCOLL907 [22] Engle，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》第987页–（1982）·兹伯利0491.62099 ·doi:10.2307/1912773 [23] 恩格尔，半参数ARCH模型，J.Bus。经济。统计师。第9页，第345页–（1991年） [24] Fan，具有重尾概率的GARCH模型的准最大似然估计（带讨论），J.Bus。经济。统计师。(2014) ·doi:10.1080/07350015.2013.840239 [25] Francq，纯GARCH和ARMA-GARCH过程的最大似然估计，Bernoulli 10 pp 605–（2004）·Zbl 1067.62094号 ·doi:10.350/bj/1093265632 [26] Francq，GARCH模型：结构、统计推断和财务应用（2010）·数字对象标识代码：10.1002/9780470670057 [27] Francq，GARCH模型的两阶段非高斯QML估计和高斯QMLE的效率测试，J.Econometrics 165第246页–（2011）·Zbl 1441.62692号 ·doi:10.1016/j.jeconom.2011.08.001 [28] Granger，《绝对收益的一些性质：风险的另一种衡量标准》，Ann.Econ。Stat.40第67页–（1995年） [29] Groeneboom，凸函数的估计：特征和渐近理论，Ann.Statist。第29页，1653页–（2001年）·Zbl 1043.62027号 [30] 哈斯，用拉普拉斯-高斯混合分布建模和预测市场风险，《应用金融经济学》16页1145–（2006）·doi:10.1080/09603100500438817 [31] Hannan，多重时间序列（1970）·Zbl 0211.49804号 ·数字对象标识代码：10.1002/9780470316429 [32] Koenker，分位数回归，J.Econ。透视。第15页143–（2001）·doi:10.1257/jep.15.4.143 [33] Koenker，拟压缩密度估计，Ann.Statist。第38页，2998页–（2010年）·Zbl 1200.62031号 ·doi:10.1214/10-AOS814 [34] 克莱斯，关于平稳ARMA过程中的自适应估计，安。统计。第15页，第112页–（1987年）·Zbl 0616.62042号 ·doi:10.1214/aos/1176350256 [35] Li，ARMA模型与非高斯创新，J.时间序列分析。第9页，第155页–（1988年）·Zbl 0637.62079号 ·doi:10.1111/j.1467-9892.1988.tb00461.x [36] Ling，关于具有GARCH误差的非平稳ARMA模型的自适应估计，Ann.Statist。第31页，642页–（2003年）·Zbl 1039.62084号 ·doi:10.1214/aos/1051027884 [37] Mammen，自适应位置估计中的最优平滑，J.Statist。计划。推断58 pp 333–（1997）·兹比尔0877.62033 ·doi:10.1016/S0378-3758（96）00085-7 [38] Nelder，函数最小化的单纯形算法，计算。J.7第308页–（1965年）·Zbl 0229.65053号 ·doi:10.1093/comjnl/7.4.308 [39] Newey，条件异方差模型中拟最大似然估计量的渐近偏差，《计量经济学》65页587–（1997）·兹比尔0870.62091 ·doi:10.2307/2171754 [40] Pal，课堂讲稿-专著系列54，in：复杂数据集和反问题：断层成像、网络及其他第239页–（2007）·doi:10.1214/0749217070000184 [41] 无限方差ARMA模型的加权最小绝对偏差估计，计量经济学。西奥。第23页，第852页–（2007年）·Zbl 1237.62122号 ·网址：10.1017/S0266466607070363 [42] 价格，差异进化：全球优化的实用方法（2005年） [43] Rockafellar，凸分析（1997） [44] Rufibach，基于对数曲线密度估计的平滑ROC曲线估计器，国际生物统计杂志。第1页，共8页（2012年）·数字对象标识代码：10.1515/1557-4679.1378 [45] Samworth，通过非参数最大似然估计进行独立成分分析，Ann.Statist。第40页，2973页–（2012年）·Zbl 1296.62084号 ·doi:10.1214/12-AOS1060 [46] Schuhmacher，作为近参数模型的多元对数曲线分布，《统计与风险建模》28页277–（2011）·Zbl 1245.62060号 ·doi:10.1524/stand.2011.073 [47] 塞雷金，凸变换密度的非参数估计，《统计年鉴》。第38页，第3751页–（2010年）·Zbl 1204.62058号 ·doi:10.1214/10-AOS840 [48] Silverman，关于用最大惩罚似然法估计概率密度函数，Ann.Statist。第10页，795页–（1982年）·Zbl 0492.62034号 ·doi:10.1214/aos/1176345872 [49] Sun，非对称GARCH模型的半参数有效自适应估计，《计量经济学杂志》133第373页–（2006）·Zbl 1345.62122号 ·doi:10.1016/j.jeconom.2005.03.019 [50] Tao，P。-C、。Yevjevich，V.Kottegoda，N.1976水文独立随机分量的分布 [51] Trindade，具有不对称拉普拉斯创新的时间序列模型，J.Stat.Comput。模拟。第80页，第1317页–（2010年）·兹比尔1205.62135 ·doi:10.1080/00949650903071088 [52] 维拉尼，《最佳交通：新旧》（2009年）·Zbl 1156.53003号 ·doi:10.1007/978-3-540-71050-9 [53] Walther，《用多尺度最大似然检测混合的存在》，J.Amer。统计师。协会97第508页–（2002年）·Zbl 1073.62533号 ·doi:10.1198/016214502760047032 [54] Wuertz，D.Chalabi，Y.2013 fGarch:Rmetrics-自回归条件异方差建模。R包版本2150.82http://cran.r-project.org/web/packages/fGarch/ [55] Xia，讨论Cule，Samworth和Stewart，J.R.Stat.Soc.Ser撰写的多维对数曲线密度的最大似然估计一文。B统计方法。第72页，585页–（2010年） [56] Yao，讨论Cule，Samworth和Stewart，J.R.Stat.Soc.Ser撰写的多维对数曲线密度的最大似然估计一文。B统计方法。第72页，588页–（2010年） 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。