玛丽亚·德约雷奥;阿萨纳西奥斯·科塔斯 非平稳时间序列的贝叶斯非参数马尔科夫模型。 (英语) Zbl 1384.62287号 统计计算。 27,第6期,1525-1538(2017). 摘要:由于对残差分布和自回归关系的假设,从参数分布构建的平稳时间序列模型通常范围有限。我们提出了一种单变量时间序列数据的建模方法,它不需要假设平稳性,可以适应复杂的动力学并捕获非标准分布。转移密度模型来源于双变量法线的贝叶斯非参数混合隐含的条件分布。这导致了条件转移密度的灵活自回归形式,为离散时间索引的实值数据定义了时间齐次、非平稳的马尔科夫模型。为了获得一种易于计算的后验推理算法,我们利用混合核协方差矩阵的无平方Cholesky分解。模拟数据的结果表明,该模型能够恢复具有挑战性的跃迁密度和非线性动力学关系。我们还说明了老忠实间歇泉喷发之间的时间间隔模型。还讨论了适应高阶结构和开发状态空间模型的扩展。 引用于4文件 MSC公司: 62米10 统计学中的时间序列、自相关、回归等(GARCH) 62G05型 非参数估计 2015年1月62日 贝叶斯推断 62页第12页 统计在环境和相关主题中的应用 关键词:自回归模型;贝叶斯非参数;狄利克雷过程混合物;马尔科夫蒙特卡洛;非国家性;时间序列 软件:bvarsv型 PDF格式BibTeX公司 XML格式引用 \textit{M.DeYoreo}和\textit{A.Kottas},统计计算。27,第6号,1525--1538(2017;Zbl 1384.62287) 全文: 内政部 arXiv公司 参考文献: [1] Antoniano-Villalobos,I.,Walker,S.G.:平稳时间序列的非参数模型。J.时间序列。分析。37, 126-142 (2016) ·Zbl 1337.62199号 ·doi:10.1111/jtsa.12146 [2] 阿扎里尼:一类包含正态分布的分布。扫描。《美国法律总汇》第12卷第171-178页(1985年)·兹伯利0581.62014 [3] Caron,F.、Davy,M.、Doucet,A.、Duflos,E.、Vanheehe,P.:Dirichlet过程混合物线性动态模型的贝叶斯推断。IEEE传输。信号处理。56, 71-84 (2008) ·Zbl 1391.62144号 ·doi:10.1109/TSP.2007.900167 [4] Carvalho,A.,Tanner,M.:用广义线性模型的局部混合建模非线性时间序列。可以。《美国联邦法律大全》第33卷第97-113页(2005年)·Zbl 1063.62121号 ·doi:10.1002/js.5540330108 [5] Carvalho,A.,Tanner,M.:用专家时间序列模型的混合建模非线性。国际数学杂志。数学。科学。(2006) ·Zbl 1379.62052号 [6] Connor,R.,Mosimann,J.:比例独立性的概念与Dirichlet分布的推广。J.Am.Stat.Assoc.64,194-206(1969)·Zbl 0179.24101号 ·doi:10.1080/016214519969.10500963 [7] Daniels,M.,Pourahmadi,M.:纵向数据协方差矩阵和动态模型的贝叶斯分析。生物特征89,553-566(2002)·Zbl 1036.62019年 ·doi:10.1093/biomet/89.3.553 [8] DeYoreo,M.,Kottas,A.:二元回归的完全非参数建模方法。贝叶斯分析。10, 821-847 (2015) ·Zbl 1334.62035号 ·doi:10.1214/15-BA963SI [9] Di Lucca,M.,Guglielmi,A.,Müller,P.,Quintana,F.:一类简单的贝叶斯自回归模型。贝叶斯分析。8, 63-88 (2013) ·Zbl 1329.62376号 ·doi:10.1214/13-BA803 [10] Ferguson,T.:一些非参数问题的贝叶斯分析。《年鉴统计》1209-230(1973)·Zbl 0255.62037号 ·doi:10.1214/aos/1176342360 [11] Fox,E.,Sudderth,E.,Jordan,M.,Willsky,A.:切换动态线性模型的贝叶斯非参数推断。IEEE传输。信号处理。59, 1569-1585 (2011) ·doi:10.1109/TSP.2010.2102756 [12] Früwirth-Schnatter,S.:有限混合和马尔可夫切换模型。施普林格,纽约(2006)·Zbl 1108.6202号 [13] Geweke,J.,Terui,N.:非线性时间序列的贝叶斯阈值自回归模型。J.时间序列。分析。14, 441-454 (1993) ·Zbl 0779.62073号 ·doi:10.1111/j.1467-9892.1993.tb00156.x [14] Ishwaran,H.,James,L.:破胶前期的吉布斯取样方法。《美国统计协会期刊》96,161-173(2001)·Zbl 1014.62006年 ·doi:10.1198/016214501750332758 [15] Juang,B.H.,Rabiner,L.:语音信号的混合自回归隐马尔可夫模型。IEEE传输。阿库斯特。语音信号处理。33(6), 1404-1413 (1985) ·doi:10.10109/TASPS.1985.1164727 [16] Lau,J.,So,M.:自回归模型的贝叶斯混合。计算。统计数据分析。53, 38-60 (2008) ·Zbl 1452.62655号 ·doi:10.1016/j.csda.2008.06.001 [17] MacEachern,S.:依赖Dirichlet过程。俄亥俄州立大学统计系,技术代表(2000)·Zbl 1118.62089号 [18] Martinez-Ovando,J.,Walker,S.G.:时间序列建模、平稳性和贝叶斯非参数方法。墨西哥银行技术代表(2011年) [19] Mena,R.,Walker,S.:通过贝叶斯非参数方法的平稳自回归模型。J.时间序列。分析。26, 789-805 (2005) ·Zbl 1097.62084号 ·doi:10.1111/j.1467-9892.2005.00429.x [20] Müller,P.,West,M.,MacEachern,S.:非线性自回归的贝叶斯模型。J.时间序列。分析。18, 593-614 (1997) ·Zbl 0910.62083号 ·数字对象标识代码:10.1111/1467-9892.00070 [21] Ombao,H.,Raz,J.A.,von Sachs,R.,Malow,B.A.:双变量非平稳时间序列的自动统计分析。《美国统计协会期刊》96,543-560(2001)·Zbl 1018.62080号 ·doi:10.1198/016214501753168244 [22] Primiceri,G.:时变结构向量自回归与货币政策。经济收益率。螺柱72,821-852(2005)·Zbl 1106.91047号 ·文件编号:10.1111/j.1467-937X.2005.00353.x [23] Sethuraman,J.:Dirichlet先验的建设性定义。统计正弦。4, 639-650 (1994) ·Zbl 0823.62007号 [24] Tang,Y.,Ghosal,S.:估计自回归条件密度的一致非参数贝叶斯过程。计算。统计数据分析。51、4424-4437(2007a)·Zbl 1162.62332号 ·doi:10.1016/j.csda.2006.06.020 [25] Tang,Y.,Ghosal,S.:用于估计过渡密度的Dirichlet混合物的后验一致性。J.统计计划。推论1371711-1726(2007b)·Zbl 1118.62089号 ·doi:10.1016/j.jspi.2006.03.007 [26] Tong,H。;Chen,C.(编辑),《关于阈值模型》(1987年),阿姆斯特丹 [27] Tong,H.:非线性时间序列:动态系统方法。牛津大学出版社,牛津(1990)·Zbl 0716.62085号 [28] Webb,E.,Forster,J.:多元序数和二进制数据的贝叶斯模型确定。计算。统计数据分析。52, 2632-2649 (2008) ·Zbl 1452.62232号 ·doi:10.1016/j.csda.2007.09.008 [29] West,M.,Harrison,J.:贝叶斯预测和动态模型。纽约施普林格出版社(1999年)·Zbl 0697.62029号 [30] Wong,C.S.,Li,W.K.:关于混合自回归模型。J.R.Stat.Soc.系列。B 62,95-115(2000)·Zbl 0941.62095号 ·doi:10.1111/1467-9868.00222 [31] Wood,S.、Rosen,O.、Kohn,R.:自回归模型的贝叶斯混合。J.计算。图表。Stat.20,174-195(2011)·doi:10.1198/jcgs.2010.09174 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。