×

兹马思-数学第一资源

广义专家时间序列混合:最大似然估计及其在股票收益密度预测中的应用。(英语) Zbl 1202.62111
摘要:我们提出并分析了一个新的非线性时间序列模型,该模型基于线性回归的局部混合,即专家,具有厚尾扰动。每个专家的平均函数是协变量的仿射函数,可能包括因变量的滞后和/或外部预测因子的滞后。专家的混合由一个潜在变量决定,该变量的分布取决于回归中使用的相同协变量。假设专家误差项遵循广义(t)分布,这是一种相当灵活的参数形式,包括标准分布和正态分布作为特殊情况,并允许对尺度和峰度进行单独建模。我们证明了最大似然估计量在正确指定和错误指定模型下的一致性和渐近正态性,并为标准模型选择准则在选择专家数量方面的性能提供了montecarlo证据。我们进一步利用该模型获得每日股票收益的密度预测,并找到支持该模型的证据。
理学硕士:
62M10 统计学中的时间序列、自相关、回归等(GARCH)
62层12层 参数估计量的渐近性质
62分05秒 统计学在精算科学和金融数学中的应用
91G70型 统计方法;风险度量
6205年 线性回归;混合模型
62摄氏度 统计决策理论的一般考虑
软件:
GSM网络
PDF格式 双歧杆菌 引用
全文: 内政部
参考文献:
[1] 阿凯,H.(1973年)。模型的可能性和信息准则。第二届信息理论国际研讨会267–281。
[2] 电话:10.1016/0304-4076(81)90071-3·Zbl 0457.62032
[3] Alexander C.,市场模型:金融数据分析指南(2001)
[4] Amemiya T.,高等计量经济学(1985)
[5] 阿斯顿,J.(2006年)。基于重尾分布的宏观经济时间序列建模。中国科学院统计科学研究所工作论文·Zbl 1268.91136
[6] DOI:10.1198/0735001015296718·Zbl 04569369
[7] 卡瓦略,A,坦纳,M.(2003年)。广义线性时间序列的混合专家假设检验。2003年金融工程计算智能国际会议论文集。香港。
[8] DOI:10.1016/j.spl.2004.11.013·Zbl 1064.62095
[9] 30555403.108立方英尺/平方英寸·Zbl 1063.62121号
[10] DOI:10.1109/TNN.2004.839356
[11] DOI:10.1155/IJMMS/2006/19423·Zbl 1379.62052
[12] DOI:10.1016/j.csda.2006.09.032·Zbl 1445.62223
[13] DOI:10.1023/账号:1013916107446·Zbl 0998.68072
[14] 达斯库塔,A,霍普克罗夫特,J,克莱因伯格,J,桑德勒,M.(2005年)。关于学习重尾分布的混合。计算机科学基础,第46届IEEE年会491-500。
[15] 戴维森J.随机极限理论-计量经济学导论(1994)
[16] Dempster A.,英国皇家统计学会杂志B 39第1页–(1977年)
[17] 内政部:10.2307/2527342
[18] DOI:10.1017/CBO9780511754067
[19] 贾科米尼,R,戈特斯林,A,哈夫克,C,白色,H.(2002年)。超正态密度,工作论文,加州大学圣地亚哥经济系。
[20] 加哈拉马尼,Z,辛顿,G.(1996年)。混合因子分析仪的EM算法,技术报告。加拿大多伦多大学计算机科学系。
[21] DOI:10.1002/(SICI)1099-1255(199803/04)13:2<129::AID-JAE466>3.0.CO;2-2个
[22] Goldberg D.,搜索、优化和机器学习中的遗传算法(1989)·Zbl 0721.68056
[23] DOI:10.1093/biomet/82.4.711·Zbl 0861.62023
[24] 数字标识:10.1109/72.857774
[25] 汉密尔顿J.,时间序列分析(1994)·Zbl 0831.62061
[26] 哈姆扎,B,克里姆H.(2001年)。高斯和重尾噪声混合情况下的非线性图像滤波,第11届IEEE信号处理研讨会论文集,新加坡。
[27] Harvey A.,预测,结构时间序列模型和卡尔曼滤波器(1994)
[28] 黑斯蒂.T.,《统计学习的要素》(2003)
[29] 内政部:10.1198/10618600152418755
[30] DOI:10.1162/neco.1991.3.1.79
[31] DOI:10.1002/1099-095X(200102)12:1<1::AID-ENV425>3.0.CO;2-N型
[32] DOI:10.1214/aos/1017939247·Zbl 0961.62062
[33] DOI:10.1162/089976699300016403
[34] DOI:10.1016/S0893-6080(99)00066-0
[35] 数字标识:10.1109/18.841177·Zbl 1010.62065
[36] DOI:10.1081/SAC-120003341·Zbl 1081.62553
[37] DOI:10.1016/S0925-4005(99)00239-7
[38] Liehr S.,生物科学理论118页246–(1999)
[39] DOI:10.1002/(SICI)1097-0258(20000530)19:10<1303::AID-SIM424>3.0.CO;2-E型
[40] DOI:10.1017/S0266466600013384
[41] 麦克唐纳J。B、 《统计手册》第14卷第427页–(1996年)
[42] 计算科学与统计学。25页253–(1994年)
[43] 梅恩S。P、 ,马尔可夫链与随机稳定性(1993)·Zbl 0925.60001
[44] Mitchell M.,遗传算法(复杂适应系统)导论(1998)·Zbl 0906.68113
[45] 内政部:10.2307/2938179·Zbl 0743.60012
[46] 内政部:10.2307/1913610·Zbl 0658.62139
[47] 《英国皇家统计学会杂志》(第39期,1987年)
[48] DOI:10.1007/BF02892507·Zbl 0087.34203
[49] 罗森布拉特M.,《数理统计年鉴》23页70——(1952年)
[50] 萨德尔,R.,哈亚里,R。E。A、 ,哈弗科特,B。R、 (2000年)。用EM算法拟合重尾分布。技术报告,德国亚琛RWTH计算机科学系。
[51] DOI:10.1214/aos/117634136·Zbl 0379.62005
[52] DOI:10.1162/089976699300016728
[53] 汤浩,非线性时间序列分析中的阈值模型(1983)·Zbl 0527.62083
[54] 汤浩,非线性时间序列:动力系统方法(1990)
[55] DOI:10.1002/0471746193·Zbl 1086.91054号
[56] 范拉霍温P。J、 ,模拟退火:理论与应用,数学及其应用(1987)
[57] 文图里尼,S,多米尼克,F,帕米吉亚尼(2006年)。重尾分布的伽马形状混合物,工作论文,约翰霍普金斯大学生物统计学系·Zbl 1400.62292
[58] 温赖特M。J、 《神经信息处理系统的进展》12 pp 855–(2000)
[59] DOI:10.1142/S0129065795000251·Zbl 05476216
[60] White H.,估计、推理和规范分析(1996)·Zbl 0860.62100
[61] White H.,计量经济学的渐近理论(2001)
[62] DOI:10.1214/aos/1176349844·Zbl 0603.62032
[63] DOI:10.1111/1467-9868.00222·Zbl 0941.62095
[64] DOI:10.1093/biomet/88.3.833·Zbl 0985.62074
〔65〕 DOI:10.1198/016214501753208645·Zbl 1051.62091
[66] DOI:10.1093/biomet/89.3.513·Zbl 1136.62340
[67] DOI:10.1016/S0893-6080(96)00037-8·Zbl 0869.68094
[68] 泽维,M,梅尔,R,阿德勒,R。J、 (二)2000年)。使用混合自回归模型的时间序列非线性模型。技术报告,Technion,工业工程学院(http://webee.technion.ac.il/rmeir/Publications/MixAR.pdf) .
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。