×
孔特雷拉斯·雷伊斯，哈维尔·E·。

非线性时间序列过程的信息量评估及其应用。 （英语） Zbl 07653431号

物理D 445，文章ID 133620，12 p.（2023）.
摘要：在时间序列文献中提出的几个模型中，自激阈值自回归（SETAR）模型是非线性的，并且考虑了阈值来建模受状态影响的时间序列。除了线性模型之外，计算非线性时间序列中的信息和相关性度量对于比较过程和测试非线性非常重要。本文考虑SETAR（2；1，1）过程的平稳边缘密度来计算显式微分熵和Kullback-Leibler和Jeffrey的发散。此外，还建立了两个SETAR（2；1，1）过程之间差异的统计显著性的渐近同质性检验。通过对鱼类条件因子和智利经济感知时间序列的数值示例和应用，说明了所提出的方法。此外，实现了基于Riemann-Stieltjes积分定义的数值算法，以计算基于其他类型非线性平稳随机过程平稳累积密度函数的信息测度，如一阶双自回归双线性阈值滑动平均和阈值自回归滑动平均过程。

引用于2文件

MSC公司：

62至XX 统计

关键词：

SETAR过程;固定边际密度;微分熵;Kullback-Leibler散度;非线性时间序列分析

软件：

R（右）
PDF格式BibTeX公司 XML格式引用
\textit{J.E.Contreras-Reyes}，Physica D 445，文章ID 133620，12 p.（2023；Zbl 07653431）
全文： 内政部

参考文献：

[1] Tong，H.，（Chen，C.H.，《关于模式识别和信号处理中的阈值模型》（1978），Sijhoff&Noordhoff：Sijhof&Noordhoff Amsterdam）
[2] Tong，H.，《非线性时间序列：动力系统方法》（1990），牛津大学出版社·Zbl 0716.62085号
[3] 曹春秋。；Tsay，R.S.，股票波动的非线性时间序列分析，J.Appl。经济。，7，S165-S185（1992）
[4] Kang，E.L。；Harlim，J.，用自回归线性随机模型过滤非线性时空混沌，Physica D，241，1099-1113（2012）·Zbl 1300.93168号
[5] Järás，J。；Gishani，A.M.，自回归非线性模型中的阈值检测（2010），隆德大学统计系：瑞典隆德大学统计学系，（硕士论文）
[6] Hansen，B.E.，《经济学中的阈值自回归》，《统计界面》，第4期，第123-127页（2011年）
[7] Djeddour，K。；Boularouk，Y.，《门限自回归模型的应用：使用美国出口原油数据进行建模和预测》，美国石油化学杂志。技术。，9, 1-11 (2013)
[8] 盖，T.M。；Thomas，J.A.，《信息理论的要素》（2006），Wiley&Son，Inc.：Wiley&Son，Inc.，美国纽约·Zbl 1140.94001号
[9] Andel，J.，《自回归过程的边缘分布》，127-135（1983），施普林格，多德雷赫特：第九届布拉格会议·Zbl 0537.60027号
[10] Andel，J。；内图卡，I。；Zvara，K.，关于阈值自回归过程，Kybernetika，2089-106（1984）·Zbl 0547.62058号
[11] Andel，J。；Ranocha，P.，绝对自回归的平稳分布，Kybernetika，41735-742（2005）·Zbl 1249.60067号
[12] 阿扎里尼，A.，关于包含正态分布的分布类的进一步结果，统计，46199-208（1986）·Zbl 2013年6月6日
[13] Contreras-Reyes，J.E.，通过Skew-Gaussian信息理论量词分析鱼类条件因子指数，Fluct。噪声Lett。，第15条，第1650013页（2016年）
[14] Abid，S.H。；Hameed，N.，ARMA过程的熵，美国数学杂志。统计，4，12-20（2014）
[15] De Gooijer，J.G.，具有中心对称创新的阈值型过程的边际分布函数，统计学，56，1-33（2022）·Zbl 1493.62062号
[16] Contreras Reyes，J.E.，基于特征和脉冲响应函数的VARFIMA过程的Rényi熵和散度，混沌孤立。Fract，160，第112268条，pp.（2022）·兹比尔1504.94078
[17] 格兰杰，C.W。；Maasoumi，E。；Racine，J.，《可能非线性过程的依赖性度量》，J.Time-Ser。分析。，25, 649-669 (2004) ·Zbl 1062.62178号
[18] 萨利克鲁，M。；梅内德斯，M.L。；帕尔多，L。；Morales，D.，《关于发散型度量在检验统计假设中的应用》，J.Multivar。分析。，51, 372-391 (1994) ·Zbl 0815.62003号
[19] 李，D。；邱，J.M.，TMA（1）过程的边际密度，J.Time-Ser。分析。，41, 476-484 (2020) ·Zbl 1443.62276号
[20] 彼得鲁切利，J.D。；Woolford，S.W.，阈值AR（1）模型，J.Appl。探针。，21, 270-286 (1984) ·Zbl 0541.62073号
[21] 李，D。；Tong，H.，关于绝对自回归模型和反对称分布，Statistica，80177-198（2020）·Zbl 07690400号
[22] R核心团队，统计计算语言与环境（2022），R统计计算基金会：R统计计算基金会，奥地利维也纳
[23] Arellano-Valle，R.B。；孔特拉斯·雷伊斯，J.E。；Genton，M.G.，多元偏椭圆分布的Shannon熵和互信息，Scand。J.Stat.，40，42-62（2013）·Zbl 1259.62002号
[24] 孔特拉斯·雷伊斯，J.E。；Kahrari，F。；Cortés，D.D.，《关于修正的偏正态Cauchy分布：性质、推断和应用》，Commun。Stat.Theor公司。方法。，50, 3615-3631 (2021) ·Zbl 07531004号
[25] 李，D。；Tong，H.，阈值模型估计的嵌套子样本搜索算法，Statist。Sinica，26，1543-1554（2016）·兹比尔1356.62147
[26] Tsay，R.S。；Chen，R.，非线性时间序列分析（2019），John Wiley&Sons:John Wiley&Sons，美国新泽西州霍博肯·Zbl 1442.62002号
[27] González-Farías，G。；Gonzalo，J。；Russell-Noriega，M.，《门限自回归模型中预测似然预测》（Reportes Técnicos-Probabilidad y Estadística，2007），墨西哥马提马提卡投资中心（CIMAT）：墨西哥瓜纳华托投资中心http://cimat.repositorioinstitucional.mx/jspui/handle/1008/639
[28] Ljung，G.M。；Box，G.E.P.，《关于时间序列模型中缺乏拟合的度量》，《生物统计学》，65，297-303（1978）·Zbl 0386.62079号
[29] Contreras-Reyes，J.E.，《偏高斯随机变量的Fisher信息和不确定性原理》，Fluct。噪声Lett。，第20条，第21500395页（2021）
[30] Contreras-Reyes，J.E.，基于Rényi熵的互信息矩阵及其应用，非线性动力学。，110, 623-633 (2022)
[31] 李，D。；Ling，S。；Zhang，R.，关于阈值双自回归模型，J.Bus。经济。统计，34，68-80（2016）
[32] 格兰杰，C.W.J。；Anderson，A.P.，《双线性模型导论》（1978），范德霍克和鲁普雷希特：范德霍克和鲁普雷奇·哥廷根·Zbl 0379.62074号
[33] De Gooijer，J.D.，《门槛移动平均模型》，J.Time-Ser。分析。，19, 1-18 (1998) ·Zbl 0902.62103号
[34] 布罗克韦尔，P.J。；刘杰。；Tweedie，R.L.，关于平稳阈值自回归移动平均过程的存在性，J.Time-Ser。分析。，13, 95-107 (1992) ·Zbl 0755.62064号
[35] Loges，W.，阈值AR（1）过程的平稳边际分布，J.Time-Ser。分析。，25, 103-125 (2004) ·Zbl 1051.62080号
[36] Contreras-Reyes，J.E.，《具有非对称和重尾噪声的混沌系统：3D吸引子的应用》，混沌Solit。分形。，145，第110820条pp.（2021）·Zbl 1498.37058号
[37] Contreras-Reyes，J.E.，基于非对称香农熵的时间序列非线性相互作用互信息矩阵，非线性动力学。，104, 3913-3924 (2021)
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。