×

用于时间序列的新独立组件分析工具。 (英语) Zbl 1396.62214号

摘要:独立成分分析是搜索高维数据中潜在变量和结构的常用方法。我们提出了多元时间序列经典FOBI和JADE估计的扩展,特别关注具有随机波动性的时间序列。

MSC公司:

62M10个 统计学中的时间序列、自相关、回归等(GARCH)
62H25个 因子分析和主成分;对应分析
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 美国布罗达。;Paolella,M.S.,芝加哥:一种快速准确的投资组合风险计算方法,J.Financ。经济。,7, 4, 412-436 (2009)
[4] 陈,Y。;Härdle,W。;Spokoiny,V.,《基于独立成分分析的风险投资组合价值》,J.Compute。申请。数学。,205, 594-607 (2007) ·兹比尔1117.91379
[5] 陈莹;哈德勒,W.K。;Spokoiny,V.,《GHICA风险分析与GH分布和独立成分》,J.Empir。财务,17,2,255-269(2010)
[7] 加西亚·费雷尔,a。;González-Prieto,E。;Peña,D.,《应用于金融股票收益的条件异方差独立因子模型》,《国际预测杂志》。,28, 1, 70-93 (2012)
[8] 胡永平。;Tsay,R.S.,主要波动成分分析,J.Bus。经济。统计人员。,32, 2, 153-164 (2014)
[9] Ibragimov,I.A.,《关于Ghurye-Olkin-Zinger定理》,J.Math。科学。,199, 2, 174-183 (2014) ·Zbl 1351.60013号
[10] Ilmonen,P。;诺德豪森,K。;Oja,H。;Ollila,E.,《ICA的新性能指标:特性计算和渐近分析》,(Vigneron,V.;Zarzoso,V.,Moreau,E.;Gribonval,R.;Vincent,E.,潜在变量分析和信号分离(2010),施普林格:施普林格-海德堡),229-236
[11] Ilmonen,P。;Oja,H。;Serfling,R.,《关于不变坐标系(ICS)泛函》,国际。统计师。修订版,80,93-110(2012)·Zbl 1422.62175号
[12] Mardia,K.V.,《多元偏度和峰度的测量及其应用》,《生物统计学》,57,3,519-530(1970)·Zbl 0214.46302号
[13] Matteson,D.S。;Tsay,R.S.,多元时间序列的动态正交分量,J.Amer。统计师。协会,106,496,1450-1463(2011)·Zbl 1323.62086号
[14] Miettinen,J。;诺德豪森,K。;Oja,H。;Taskinen,S.,平稳时间序列盲源分离估计器的统计特性,Statist。可能性。莱特。,1865-1873年(2012年)·Zbl 1312.62110号
[15] Miettinen,J。;诺德豪森,K。;Oja,H。;Taskinen,S.,基于通缩的不相关平稳时间序列分离,J.多元分析。,123, 214-227 (2014) ·Zbl 1278.62147号
[20] González Prieto,E.,《时间序列的独立成分分析》(2011),马德里卡洛斯三世大学,URLhttp://hdl.handle.net/10016/1958。(访问时间:2014年12月16日。)
[23] Tsay,R.S.,《多元时间序列分析:与R和金融应用》(2014),威利父子公司:威利父女公司,新泽西州霍博肯·Zbl 1279.62012号
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。