×

观测驱动模型可辨识的充要条件。 (英语) Zbl 1493.62518号

摘要:在本文中,我们有兴趣证明给定的观测驱动模型是可识别的。在GARCH((p,q))模型的情况下,在[I.伯克斯等人,Bernoulli 9,No.2,201–227(2003;Zbl 1064.62094号)]用于显示拟极大似然估计的一致性。事实证明,这种条件适用于更大的一类观测驱动模型,我们称之为线性观测驱动模型。此类包括标准整值观测驱动的时间序列,如泊松自回归模型及其众多扩展。我们的结果也适用于向量值时间序列,如二元整值GARCH模型,非线性模型,如阈值泊松自回归,或观测驱动模型,如PARX模型。

MSC公司:

62M10个 统计学中的时间序列、自相关、回归等(GARCH)
60J05型 一般状态空间上的离散马尔可夫过程
2012年12月62日 参数估计量的渐近性质
2005年6月2日 马尔可夫过程:估计;隐马尔可夫模型
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] AgostoA、CavaliereG、KristensenD、RahbekA。2016.公司违约建模:带有外生协变量的泊松自回归(parx)。《实证金融杂志》38:640-663。金融计量经济学和实证金融的最新发展。
[2] AlzahraniN、NealP、SpencerSE、McKinley TJ、TouloupouP。2018.计数数据时间序列的模型选择。计算统计与数据分析122:33-44·Zbl 1469.62013号
[3] BerkesI、HorváthL、KokoszkaP。2003年GARCH过程:结构和估计。伯努利9,2:201-227·Zbl 1064.62094号
[4] BhaskaranK、GaspariniA、HajatS、SmeethL、ArmstrongB。2013.环境流行病学中的时间序列回归研究。《国际流行病学杂志》42,4:1187-1195。https://doi.org/10.1093/ije/dyt092。 ·doi:10.1093/ije/dyt092
[5] BollerslevT.2008。拱形术语表(GARCH)。技术报告,创建研究论文。
[6] 布格罗尔P,PicardN。1992年GARCH过程和一些非负时间序列的平稳性。《计量经济学杂志》52,1992:115-127·Zbl 0746.62087号
[7] FokianosK ChristouV公司。2015年a。非线性混合泊松自回归的线性估计和测试。电子统计杂志9,1:1357-1377·Zbl 1327.62456号
[8] FokianosK ChristouV公司。2015年b。计数时间序列预测。统计计算与模拟杂志85,2:357-373·Zbl 1457.62258号
[9] 考克斯D。1981.时间序列的统计分析:一些最新发展。斯堪的纳维亚统计杂志8,2:93-115·Zbl 0468.62079号
[10] 朱夫·崔。2018.一个新的双变量整值GARCH模型,允许负交叉相关。测试27,2:428-452·Zbl 1404.62085号
[11] DavisRA、DunsmuirW、WangY。1999.计数数据的时间序列建模。统计学教科书和专题论文158:63-114·Zbl 1069.62540号
[12] DoucR、RoueffF、SimT。2015.观测驱动模型中最大似然估计收敛的充分条件。立陶宛数学杂志55,3:367-392·Zbl 1323.62027号
[13] 费兰德、拉图拉、奥拉奇。2006.整值GARCH过程。时间序列分析杂志27,6:923-942·Zbl 1150.62046号
[14] FokianosK,TjötheimD。2011.对数线性泊松自回归。多元分析杂志102,3:563-578·Zbl 1207.62165号
[15] FrancqC,ZakoianJ‐M。2004。纯GARCH和ARMA‐GARCH过程的最大似然估计。伯努利10,4:605-637·Zbl 1067.62094号
[16] FrancqC,ZakoíanJ‐M。2009年,GARCH估计渐近理论之旅。在《金融时间序列手册》中·Zbl 1178.62097号
[17] FrancqC,ZakoianJ‐M。2011.GARCH模型:结构、统计推断和金融应用。纽约:John Wiley&Sons。
[18] 扎科安·哈马德。2011.一类非线性GARCH过程LS和QML估计的渐近性质。《统计规划与推理杂志》141,1:488-507·Zbl 1197.62128号
[19] 汉南。J.,DeistlerM.2012。线性系统的统计理论。InClassics in Applied Mathematics,Vol.70 Society for Industrial and Applied数学协会(SIAM):宾夕法尼亚州费城。1988年原版再版[MR0940698]·兹比尔1239.01122
[20] IvesA、DennisB、CottinghamK、CarpenterS,2003年。根据时间序列数据估算社区稳定性和生态互动。生态专题论文73,2:301-330。
[21] LeeY、Lee S、TjötheimD。2018.双变量Poisson INGARCH模型的渐近正态性和参数变化检验。测试27,1:52-69·Zbl 06852282号
[22] LiboschikT、FokianosK、FriedR。2017.tscount:一个r包,用于分析广义线性模型下的count时间序列。统计软件杂志,文章82,5:1-51。
[23] LiesenfeldR,RichardJ‐F。2003.单变量和多变量随机波动率模型:估计和诊断。经验金融杂志10,4:505-531。
[24] 林德纳姆,2009年。GARCH(p,q)-过程的平稳性、混合性、分布性质和矩。《金融时间系列手册》施普林格出版社:柏林·Zbl 1178.62101号
[25] 刘H.2012。计数时间序列的一些模型(博士论文)。哥伦比亚大学。
[26] MacDuffeeCC。1933.矩阵理论。柏林:施普林格-维拉格·Zbl 0007.19507号
[27] PindyckRS、RubinfeldDL。1998.计量经济学模型和经济预测,第4卷。马萨诸塞州波士顿:Irwin/McGraw‐Hill。
[28] ShephardN,RydbergTH。2003.逐笔交易价格变动的动态:分解和模型。《金融计量经济学杂志》1,1:2-25。
[29] SilvaRB,Barreto‐SouzaW公司。2019.灵活稳健的混合泊松INGARCH模型。时间序列分析杂志40,5:788-814·兹比尔1431.62350
[30] 2016年模拟。部分观测马尔可夫模型中的最大似然估计及其在计数时间序列中的应用(论文)。Telécom ParisTech公司。
[31] 模拟。,DoucR。,鲁埃夫F.2019。一般阶观测驱动模型:最大似然估计的遍历性和一致性,预印本。
[32] WangC、LiuH、YaoJ‐F、DavisRA、LiWK。2014.自激阈值泊松自回归。美国统计协会杂志109,506:777-787·Zbl 1367.62267号
[33] ZegerSL.1988年。计数时间序列的回归模型。生物特征75,4:621-629·Zbl 0653.62064号
[34] 朱夫。2011年,负二项整值GARCH模型。时间序列分析杂志32,1:54-67·Zbl 1290.62092号
[35] 朱夫。2012年a。使用COM‐Poisson INGARCH模型建模计数时间序列。数学与计算机建模56,9-10:191-203·Zbl 1255.91373号
[36] 朱夫。2012年b。零膨胀泊松和负二项整值GARCH模型。《统计规划与推理杂志》142,4:826-839·Zbl 1232.62121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。