亚历山大·卡瓦略(Alexandre X·Carvalho)。;乔治·斯科拉基斯 广义专家的时间序列混合:ML估计及其在股票收益密度预测中的应用。 (英语) Zbl 1202.62111号 经济。版次。 29,编号5-6,642-687(2010). 摘要:我们提出并分析了一种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,称为专家,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/或外部预测因素的滞后。专家的混合由一个潜在变量决定,其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(t)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。对于正确指定和错误指定的模型,我们展示了最大似然估计量的一致性和渐近正态性,并提供了关于标准模型选择标准在选择专家数量方面的性能的蒙特卡罗证据。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。 MSC公司: 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 2012年12月62日 参数估计量的渐近性质 62P05号 统计学在精算科学和金融数学中的应用 91克70 统计方法;风险措施 62J05型 线性回归;混合模型 62C05型 统计决策理论的一般考虑 关键词:条件密度预测;广义(t)分布;重尾分布;最大似然估计;专家组合;非线性时间序列 软件:GSM(全球移动通信系统) PDF格式BibTeX公司 XML格式引用 \textit{A.X.Carvalho}和\textit{G.Skoulakis},经济学。版本29,编号5--6642--687(2010;Zbl 1202.62111) 全文: 内政部 参考文献: [1] Akaike,H.(1973)。模型和信息标准的可能性。第二届信息理论国际研讨会267-281。 [2] 内政部:10.1016/0304-4076(81)90071-3·Zbl 0457.62032号 ·doi:10.1016/0304-4076(81)90071-3 [3] Alexander C.,《市场模型:金融数据分析指南》(2001年) [4] Amemiya T.,《高级计量经济学》(1985) [5] Aston,J.(2006)。通过重尾分布建模宏观经济时间序列。中国科学院统计科学研究所工作文件·Zbl 1268.91136号 [6] DOI:10.19198/07350010152596718·Zbl 04569369号 ·doi:10.1198/07350010152596718 [7] Carvalho,A.,Tanner,M.(2003年)。广义线性时间序列混合专家的假设检验。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号 ·doi:10.1016/j.spl.2004.11.013 [9] DOI:10.1002/cjs.5540330108·Zbl 1063.62121号 ·doi:10.1002/cjs.5540330108 [10] 内政部:10.1109/TNN.2004.839356·doi:10.1109/TNN.2004.839356 [11] 内政部:10.1155/IJMMS/2006/19423·兹比尔1379.62052 ·doi:10.1155/IJMMS/2006/19423 [12] DOI:10.1016/j.csda.2006.09.032·Zbl 1445.62223号 ·doi:10.1016/j.csda.2006.09.032 [13] DOI:10.1023/A:1013916107446·Zbl 0998.68072号 ·doi:10.1023/A:1013916107446 [14] Dasgupta,A.、Hopcroft,J.、Kleinberg,J.和Sandler,M.(2005)。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] Davidson J.,《随机极限理论——计量经济学家导论》(1994年) [16] Dempster A.,《皇家统计学会杂志》B 39 pp 1–(1977) [17] 内政部:10.2307/2527342·doi:10.2307/2527342 [18] 内政部:10.1017/CBO9780511754067·doi:10.1017/CBO9780511754067 [19] Giacomini,R.、Gottschling,A.、Haefke,C.、White,H.(2002)。超正常密度,工作文件,加利福尼亚大学经济系,圣地亚哥。 [20] Ghahramani,Z.,Hinton,G.(1996年)。混合因子分析仪的EM算法,技术报告。加拿大多伦多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 ·doi:10.1002/(SICI)1099-1255(199803/04)13:2<129::AID-JAE466>3.0.CO;2-2 [22] Goldberg D.,搜索、优化和机器学习中的遗传算法(1989)·Zbl 0721.68056号 [23] DOI:10.1093/biomet/82.4.711·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711 [24] 内政部:10.1109/72.857774·数字对象标识代码:10.1109/72.857774 [25] Hamilton J.,时间序列分析(1994)·Zbl 0831.62061号 [26] Hamza,B.,Krim,H.(2001年)。高斯和重尾噪声混合中的非线性图像滤波,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年) [28] Hastie T.,《统计学习的要素》(2003年) [29] 内政部:10.1198/10618600152418755·doi:10.1198/10618600152418755 [30] 内政部:10.1162/neco.1991.3.1.79·doi:10.1162/neco.1991.3.1.79 [31] DOI:10.1002/1099-095X(200102)12:1<1::AID-ENV425>3.0.CO;2-牛顿·doi:10.1002/1099-095X(200102)12:1<1::AID-ENV425>3.0.CO;2-牛顿 [32] 内政部:10.1214/aos/1017939247·Zbl 0961.62062号 ·doi:10.1214/aos/1017939247 [33] 内政部:10.1162/08997669900016403·doi:10.1162/0899766999300016403 [34] DOI:10.1016/S0893-6080(99)00066-0·doi:10.1016/S0893-6080(99)00066-0 [35] 内政部:10.1109/18.841177·Zbl 1010.62065号 ·数字对象标识代码:10.1109/18.841177 [36] 内政部:10.1081/SAC-120003341·Zbl 1081.62553号 ·doi:10.1081/SAC-120003341 [37] DOI:10.1016/S0925-4005(99)00239-7·doi:10.1016/S0925-4005(99)00239-7 [38] Liehr S.,《生物科学理论》118 pp 246–(1999) [39] DOI:10.1002/(SICI)1097-0258(20000530)19:10<1303::AID-SIM424>3.0.CO;2-E型·doi:10.1002/(SICI)1097-0258(20000530)19:10<1303::AID-SIM424>3.0.CO;2-E型 [40] 内政部:10.1017/S0266466600013384·doi:10.1017/S0266466600013384 [41] McDonald J.B.,《统计手册》,第14页,第427页–(1996年) [42] McCulloch R.,《计算科学与统计》。第25页,第253页–(1994年) [43] Meyn S.P.,马尔可夫链和随机稳定性(1993)·Zbl 0925.60001号 [44] Mitchell M.,《遗传算法导论(复杂自适应系统)》(1998)·Zbl 0906.68113号 [45] 内政部:10.2307/2938179·兹比尔074360012 ·doi:10.2307/2938179 [46] 内政部:10.2307/1913610·Zbl 0658.62139号 ·doi:10.2307/1913610 [47] Quinn B.,《皇家统计学会杂志》B 39 pp 311–(1987) [48] 内政部:10.1007/BF02892507·兹伯利0087.34203 ·doi:10.1007/BF02892507 [49] 罗森布拉特M.,《数理统计年鉴》,第23页,第70页–(1952年) [50] Sadre,R.、Khayari,R.E.A.、Haverkort,B.R.(2000)。通过EM算法拟合重尾分布。德国亚琛RWTH计算机科学系技术报告。 [51] DOI:10.1214/aos/1176344136·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136 [52] 内政部:10.1162/08997669900016728·doi:10.1162/0899766999300016728 [53] Tong H.,非线性时间序列分析中的阈值模型(1983)·Zbl 0527.62083号 ·doi:10.1007/978-14684-7888-4 [54] Tong H.,非线性时间序列:动力系统方法(1990) [55] 内政部:10.1002/0471746193·Zbl 1086.91054号 ·doi:10.1002/0471746193 [56] Van Laarhoven P.J.,《模拟退火:理论与应用,数学及其应用》(1987)·doi:10.1007/978-94-015-7744-1 [57] Venturini,S.、Dominici,F.、Parmigiani,G.(2006)。用于重尾分布的伽马形状混合物,工作文件,约翰霍普金斯大学生物统计学系·Zbl 1400.62292号 [58] Wainwright M.J.,《神经信息处理系统进展》,第12页,第855页–(2000年) [59] 内政部:10.1142/S012906579500251·Zbl 05476216号 ·doi:10.1142/S012906579500251 [60] White H.,《估计、推理和规范分析》(1996)·Zbl 0860.62100号 [61] White H.,计量经济学者的渐近理论(2001) [62] 内政部:10.1214/aos/1176349844·Zbl 0603.62032号 ·doi:10.1214/aos/1176349844 [63] 内政部:10.1111/1467-9868.00222·Zbl 0941.62095号 ·doi:10.111/1467-9868.00222 [64] 内政部:10.1093/biomet/88.3.833·Zbl 0985.62074号 ·doi:10.1093/biomet/88.3.833 [65] 内政部:10.1198/016214501753208645·Zbl 1051.62091号 ·doi:10.1198/016214501753208645 [66] 内政部:10.1093/biomet/89.3513·Zbl 1136.62340号 ·doi:10.1093/biomet/89.3.513 [67] DOI:10.1016/S0893-6080(96)00037-8·Zbl 0869.68094号 ·doi:10.1016/S0893-6080(96)00037-8 [68] Zeevi,M.、Meir,R.、Adler,R.J.(2000)。使用自回归模型混合的时间序列非线性模型。Technion工业工程学院技术报告(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。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。