×
维库尼亚，M.Ignacia;威尔弗雷多·帕尔玛;里卡多·奥莉亚

局部平稳滑动平均过程的最小距离估计。 （英语） Zbl 1496.62146号

计算。统计数据分析。 140, 1-20 (2019).
小结：最小距离法可用于局部平稳移动平均过程的估计。这种新方法允许分析表现出非平稳行为的时间序列数据。该方法的主要优点是不依赖于进程的分布，可以处理丢失的数据，并且计算效率高。研究了新估计量的一些大样本性质，建立了它的相合性和渐近正态性。蒙特卡罗实验表明，即使样本量较小，估计也表现良好。通过对实际时间序列数据的应用，说明了所提出的方法。

MSC公司：

2009年6月26日 非马尔可夫过程：估计
60亿10 平稳随机过程

关键词：

局部平稳性;非国家性;最小距离估计;时变模型

软件：

贝叶斯规范
PDF格式BibTeX公司 XML格式引用
\textit{M.I.Vicuña}等人，计算。统计数据分析。140，1-20（2019年；Zbl 1496.62146）
全文： 内政部

参考文献：

[1] Akaike，H.，统计模型识别的新视角，IEEE Trans。自动化。控制，19，6，716-723（1974）·兹伯利0314.62039
[2] 邦登，P。；Bahamonde，N.，《缺少观测值的ARCH模型的最小二乘估计》，《时间序列分析杂志》。，33, 6, 880-891 (2012) ·Zbl 1281.62190号
[3] Brockwell，P.J。；Davis，R.A.，《时间序列：理论和方法》，《统计学中的斯普林格序列》（1991），斯普林格-弗拉格出版社，纽约·Zbl 0709.62080号
[4] 钱德勒，G。；Polonik，W.，基于过剩质量泛函的局部平稳时间序列判别，J.Amer。统计师。协会，101，473，240-253（2006）·Zbl 1118.62358号
[5] Dahlhaus，R.，关于局部平稳过程的Kullback-Leibler信息散度，随机过程。申请。，62, 1, 139-168 (1996) ·Zbl 0849.60032号
[6] Dahlhaus，R.，具有演化谱的非平稳过程的渐近统计推断，雅典会议应用。普罗巴伯。时间序列。分析。，145-159 (1996)
[7] Dahlhaus，R.，将时间序列模型拟合到非平稳过程，Ann.Statist。，25，1，1-37（1997年）·Zbl 0871.62080号
[8] Dahlhaus，R.，局部平稳过程的似然近似，Ann.Statist。，28, 6, 1762-1794 (2000) ·Zbl 1010.62078号
[9] Dahlhaus，R。；Giraitis，L.，关于局部平稳时间序列参数估计的最佳分段长度，《时间序列分析》。，19, 6, 629-655 (1998) ·Zbl 0921.62107号
[10] Dahlhaus，R。；Polonik，W.，高斯局部平稳过程的非参数拟极大似然估计，Ann.Statist。，34, 6, 2790-2824 (2006) ·兹伯利1114.62034
[11] Das，S.，Politis，D.N.，2017年。局部平稳时间序列的预测推断及其在气候数据中的应用，arXiv预印本arXiv:1712.02383；Das，S.，Politis，D.N.，2017年。局部平稳时间序列的预测推断及其在气候数据中的应用，arXiv预印本arXiv:1712.02383
[12] Dette，H。；普鲁，P。；Vetter，M.，局部平稳过程平稳性的度量及其在测试中的应用，J.Amer。统计师。协会，106，495，1113-1124（2011）·Zbl 1229.62119号
[13] Holmes，R.L.、Adams，R.K.、Kirby，V.C.、Earle，C.J.、Juniperus occidentalis树轮数据。美国爱达荷州，世界古气候学数据中心和美国国家海洋和大气管理局古气候项目。；Holmes，R.L.、Adams，R.K.、Kirby，V.C.、Earle，C.J.、Juniperus occidentalis树轮数据。美国爱达荷州，世界古气候学数据中心和美国国家海洋和大气管理局古气候项目。
[14] 南卡罗来纳州Jammalamadaka。；拉奥，T。；Terdik，G.，随机向量的高阶累积量及其在统计推断和时间序列中的应用，Sankhyá：印度统计学家杂志。，326-356 (2006) ·Zbl 1193.62097号
[15] 奈特，M.I。；Nunes，医学硕士。；Nason，G.P.，具有缺失观测值的局部平稳时间序列的谱估计，统计计算。，22, 4, 877-895 (2012) ·Zbl 1252.60034号
[16] Kouamé，E.F。；Hili，O.，k因子GARMA过程的最小距离估计，统计。普罗巴伯。莱特。，78, 18, 3254-3261 (2008) ·Zbl 1489.62282号
[17] Kreiss，J.P。；Paparoditis，E.，Bootstrapping局部平稳过程，J.R.Stat.Soc.系列。B统计方法。，77,1267-290（2015年）·Zbl 1414.62049号
[18] Mayoral，L.，平稳和非平稳arfima过程的最小距离估计，经济学。J.，10，1，124-148（2007）·Zbl 1116.62096号
[19] Palma，W.，关于局部平稳长记忆过程的样本均值，J.Statist。计划。推理，140，12，3764-3774（2010）·Zbl 1233.62160号
[20] Palma，W。；Olea，R.，局部平稳高斯长记忆过程的有效估计，Ann.Statist。，38, 5, 2958-2997 (2010) ·Zbl 1200.62109号
[21] Palma，W。；奥莉亚·R。；费雷拉，G.，局部平稳过程的估计和预测，J.预测。，32, 1, 86-96 (2013) ·Zbl 1397.62319号
[22] Parzen，E.，《关于缺失观测和振幅调制的频谱分析》，印度统计学家J。序列号。A、 383-392（1963）·Zbl 0136.40701号
[23] Priestley，M.B.，《进化谱和非平稳过程》，J.R.Stat.Soc.Ser。B统计方法。，204-237 (1965) ·Zbl 0144.41001号
[24] 普里斯特利，M。；Tong，H.，《关于双变量非平稳过程的分析：讨论》，J.R.Stat.Soc.Ser。B统计方法。，35, 153-166 (1973) ·Zbl 0269.62077号
[25] O.Rosen。；木材，S。；Stoffer，D.，Adaptspec:非平稳时间序列的自适应谱估计，J.Amer。统计师。协会，107，500，1575-1589（2012）·Zbl 1258.62093号
[26] Sen，K。；普鲁，P。；Dette，H.，《测量长记忆过程中的平稳性》，统计学。Sinica，313-357（2016）·Zbl 1419.62249号
[27] Tieslau，医学硕士。；施密特，P。；Baillie，R.T.，长记忆过程的最小距离估计，《计量经济学杂志》，71，1，249-264（1996）·Zbl 0850.62663号
[28] Tong，H.，关于非平稳随机过程谱表示的一些评论，J.Appl。概率。，10, 4, 881-885 (1973) ·Zbl 0284.60029号
[29] 沃格特，M。；Dette，H.，检测局部平稳过程中的渐进变化，Ann.Statist。，43, 2, 713-740 (2015) ·Zbl 1312.62045号
[30] Whittle，P.，《平稳时间序列中的估计和信息》，Ark.Mat.，2，5，423-434（1953）·兹比尔0053.41003
[31] 吴，W。；Zhou，Z.，非平稳长记忆时间序列的同时分位数推断，Bernoulli，24，4A，2991-3012（2018）·Zbl 1414.62385号
[32] 泽瓦洛斯，M。；Palma，W.，ARFIMA过程的最小距离估计，计算。统计师。数据分析。，58, 242-256 (2013) ·Zbl 1365.62350号
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。