×
阿卜杜勒哈基姆·阿努什;斯蒂法诺斯·迪米特拉科普洛斯

自回归条件比例：（0,1）值时间序列的乘法误差模型。 （英语） Zbl 07731484号

J.时间序列。分析。 44，编号493-417（2023）.
摘要：我们本着GARCH（广义自回归条件异方差）和ACD（自回归条件持续时间）模型的精神，提出了一个（0,1）值时间序列的乘法自回归条件比例（ARCP）模型。特别是，我们的基本过程被定义为一个（0,1）值独立同分布（i.i.d.）序列和倒置条件平均值的乘积，而倒置条件均值又依赖于过去的相互观测值，其大小大于单位。模型的概率结构是在随机递归方程理论的背景下研究的，而模型参数的估计是用指数拟最大似然估计量（EQMLE）进行的。EQMLE的一致性和渐近正态性都是在一般正则性假设下建立的。最后，用两个实际数据集说明了我们提出的模型的有用性。
{©2023 John Wiley&Sons有限公司}

MSC公司：

6200万 随机过程推断
37M10个 动力系统的时间序列分析

关键词：

比例时间序列数据;β-ARMA模型;单纯形ARMA;自回归条件持续期;指数QMLE
PDF格式BibTeX公司 XML格式引用
\textit{A.Aknouche}和\textit{S.Dimitrakopoulos}，J.Time-Ser。分析。44，编号4，393--417（2023；Zbl 07731484）
全文： 内政部

参考文献：

[1] 法国AknoucheA。2021.计算具有相等条件随机和平均阶数的时间序列和持续时间序列。计量经济学理论3:248-280·Zbl 1467.62139号
[2] 法国AknoucheA。2023.观测驱动时间序列模型条件均值的两阶段加权最小二乘估计。计量经济学杂志。https://doi.org/10.1016/j.econom.2021.09.002。 ·Zbl 07767715号 ·doi:10.1016/j.jeconom.2021.09.002
[3] 法国AknoucheA。2022.马尔可夫转换正条件均值模型的平稳性和遍历性。时间序列分析杂志43:436-459·Zbl 07569201号
[4] AknoucheA、BendjeddouS、ToucheN。2018.一般整值时间序列模型的负二项拟似然推断。时间序列分析杂志39:192-211·Zbl 1392.62259号
[5] AknoucheA、AlmohaimeedB、Dimitrakopoulos。2022.周期性自回归条件持续时间。时间序列分析杂志43:5-29·Zbl 1493.62089号
[6] Barndorff‐NielsenOE，JorgensenB。1991.单纯形上的一些参数模型。多元分析杂志39:106-116·Zbl 0739.62015号
[7] 拜耳FM、CintraRJ、Cribari‐NetoF。2018年贝塔季节自回归移动平均模型。统计计算与模拟杂志88:2961-2981·Zbl 07192698号
[8] 马萨诸塞州本杰明、里格比RA、斯塔斯诺普洛斯DM。2003.广义自回归移动平均模型。美国统计协会杂志98:214-223·Zbl 1047.62076号
[9] BerkesI、HorvathL、KokoskzaP。2003年GARCH过程：结构和估计。伯努利9:201-227·Zbl 1064.62094号
[10] BillingsleyP.公司。1995年，《概率与测度》，第二版，约翰·威利父子出版社，纽约·Zbl 0822.60002号
[11] BonatWH、PetterleRR、HindeJ、DemétrioCGB。2019.连续有界数据的灵活准贝塔回归模型。统计建模19:617-633·Zbl 07289549号
[12] Bougerol公司。1993年。随机系数和收缩的卡尔曼滤波。SIAM控制与优化杂志31:942-959·兹比尔0785.93040
[13] 布格罗尔P，PicardN。1992.广义自回归过程的严格平稳性。概率年鉴20:1714-1730·Zbl 0763.60015号
[14] BoxGEP、JenkinsGM、ReinselGC。1994年时间序列分析；《预测与控制》，第三版，普伦蒂斯·霍尔，新泽西州恩格尔伍德克利夫·兹比尔0858.62072
[15] Brockwell PJ，DavisRA。1991年，《时间序列：理论与方法》，《春天科学与商业媒体》，纽约。
[16] 乔里。2005.用极值预测金融波动：条件自回归范围（CARR）模型。《货币、信贷与银行杂志》37:561-582。
[17] CipoliniF、GalloGM。2021.乘法误差模型：20年后。ArXiv工作文件，ArXiv:2107.05923。
[18] CrealD、KoopmanSJ、LucasA。2013.广义自回归评分模型及其应用。应用计量经济学杂志28:777-795。
[19] Da SilvaCQ，米贡赫斯。2016.分层动态贝塔模型。REVSTAT-统计期刊14:49-73·Zbl 1369.62235号
[20] DavisRA，LiuH。2016年，一类非线性模型的理论和推论及其在计数时间序列中的应用。中国统计26:1673-1707·Zbl 1356.62137号
[21] 恩格尔。2002.ARCH模型的新前沿。应用计量经济学杂志17:425-446。
[22] 盖洛·恩格尔（GalloGM EngleR）。2006.使用每日内部数据的波动性多指标模型。计量经济学杂志131:3-27·Zbl 1337.62359号
[23] 罗素·J·恩格尔。1998年，自回归条件持续时间：不规则间隔交易数据的新模型。计量经济学66:1127-1162·Zbl 1055.62571号
[24] 西班牙，SilvaAOS。2020年。一般类单纯形回归的残差和影响分析。测试29:523-552·Zbl 1447.62079号
[25] FabrizioC、EngleRF、GalloGM。2013.半参数向量MEM。应用计量经济学杂志28:1067-1086。
[26] 费兰德、拉图拉、奥拉奇。2006年。整数值GARCH过程。时间序列分析杂志27:923-942·Zbl 1150.62046号
[27] FerrariSLP，Cribari‐NetoF。2004年。建模率和比例的贝塔回归。应用统计学杂志31:799-815·Zbl 1121.62367号
[28] FrancqC、ThieuL。2019.具有协变量的波动率模型的QML推断。计量经济学理论35:37-72·Zbl 1415.62078号
[29] FrancqC、ZakoianJM。2004.纯GARCH和ARMA‐GARCH过程的最大似然估计。伯努利10:605-637·Zbl 1067.62094号
[30] FrancqC、ZakoianJM。2019.GARCH模型：结构、统计推断和金融应用，第二版，John Wiley&Sons，纽约·Zbl 1431.62004号
[31] GorgiP，KoopmanSJ。2023.带外生回归因子的贝塔观测驱动模型：实现相关性和杠杆效应的联合分析。计量经济学杂志。https://doi.org/10.1016/j.jeconom.2021.06.010。 ·Zbl 07767718号 ·doi:10.1016/j.jeconom.2021.06.010
[32] 格拉西亚。1977年。关于通过对伽玛分布和导出的复合分布进行变换而获得的参数介于0和1之间的分布族。澳大利亚统计杂志19:108-114·兹比尔0423.62015
[33] GrunwaldG、HyndmanR、TedescoL、TweedieR。2000.非高斯条件线性模型。《澳大利亚和新西兰统计杂志》42:479-495·Zbl 1018.62065号
[34] GuoloA，VarinC，2014年。有限数据时间序列分析的贝塔回归，应用于加拿大谷歌流感趋势。应用统计年鉴8:74-88·Zbl 1454.62337号
[35] 哈密尔顿JD。1994年，时间序列分析，普林斯顿大学出版社，新泽西州普林斯顿·兹比尔08316.2061
[36] KristensenD HanH。2014.具有平稳和非平稳协变量的GARCH‐X模型中QMLE的渐近理论。商业与经济统计杂志32:416-429。
[37] 豪奇。2012.金融高频数据的计量经济学Springer‐Verlag，纽约·Zbl 1248.91004号
[38] 海宁A.2003。时间序列计数数据建模：自回归条件泊松模型。可从SSRN 1117187获取。
[39] 约根森B。1997年，分散模型理论查普曼和霍尔，伦敦·Zbl 0928.62052号
[40] McCulloughBD，KieschnickR。2003.（0,1）变量的回归分析：百分比、比例和分数。统计建模3:193-213·Zbl 1070.62056号
[41] 库马拉斯瓦米。1980。双有界随机过程的广义概率密度函数。《水文学杂志》46:79-88。
[42] LiWK公司。1994.基于广义线性模型的时间序列模型：一些进一步的结果。生物统计学50:506-511·Zbl 0825.62606号
[43] McCullaghP，内尔德JA。1989年，《广义线性模型》，第二版，查普曼和霍尔，伦敦·Zbl 0744.62098号
[44] 麦肯齐。1985.贝塔随机变量的自回归过程。管理科学31:988-997·兹比尔0607.62104
[45] 麦肯齐。2003.离散变量时间序列。《统计手册》，Elsevier Science，阿姆斯特丹。
[46] MitnikPA，BayekS。2013年，库马拉斯瓦米分布：回归建模和基于仿真的估计的中位离散度重新参数化。统计论文54:177-192·Zbl 1257.62013年
[47] 潘杰、王海、汤海。2008年，功率变换和阈值GARCH模型的估计和测试。计量经济学杂志142:352-378·Zbl 1418.62345号
[48] 保利诺普。2001.Beta分布因变量模型的最大似然估计。政治分析9:325-346。
[49] PumiG、ValkM、BisoninC、BayerFM、PrassTS。2019.贝塔自回归分数积分移动平均模型。统计规划与推断杂志200:196-212·Zbl 1432.62312号
[50] RochaAV、Cribari‐NetoF。2009年，贝塔自回归移动平均模型。测试18:529-545·Zbl 1203.62160号
[51] 伍尔德里奇JM。1999.计数数据的准似然方法。《应用计量经济学手册》。微观经济学，第2卷，PesaranMH（编辑），SchmidtP（编辑）（编辑）。牛津大学布莱克威尔分校；35-406.
[52] ZegerSL，QaqishB。1988.时间序列的马尔可夫回归模型：准似然方法。生物统计学44:1019-1031·Zbl 0715.62166号
[53] 张鹏、邱姿、石川。2016.Simplexreg：使用Simplex分布对比例数据进行回归分析的R包。《统计软件杂志》71:1-21。
[54] 郑T，肖赫，陈R。2015.带鞅差分误差的广义ARMA。计量经济学杂志189:492-506·Zbl 1337.62284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。