×
弗朗西斯科·巴塔利亚;多梅尼科·库西纳;曼努埃尔·里佐

具有演变趋势和季节性的时间序列的节约型周期自回归模型。 （英语） Zbl 1436.62411号

统计计算。 30，第1期，77-91（2020年）.
摘要：本文对具有演化特征的时间序列的周期自回归模型进行了扩展。事实上，现代数据集的大规模意味着时间跨度可能会对基础序列的几个演变模式产生影响，也会影响季节性。所提出的模型允许在时间上存在多个状态，并且可能存在不同的PAR过程，每个状态中都有一个趋势项。平均值、自相关和剩余方差可能会随着制度和季节的变化而变化，从而产生大量参数。因此，作为第二步，我们建议对PAR参数进行分组，以获得更简洁的模型。模型选择过程是一个复杂的组合问题，它是基于优化信息准则的遗传算法求解的。该模型在不同领域的模拟研究和实际数据分析中进行了测试，证明对具有不断演变特征的广泛系列有效，并在更具体的模型方面具有竞争力。

引用于2文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62J05型 线性回归；混合模型
62H15型 多元分析中的假设检验

关键词：

遗传算法;多状态模型;信息标准;结构变化;周期自回归（PAR）建模

软件：

结构改变
PDF格式BibTeX公司 XML格式引用
\textit{F.Battaglia}等人，《统计计算》。30，第1号，77--91（2020；Zbl 1436.62411）
全文： 内政部

参考文献：

[1] Bai，J。；Perron，P.，估计和测试具有多重结构变化的线性模型，《计量经济学》，66，1，47-78（1998）·Zbl 1056.62523号 ·doi:10.2307/298540
[2] Baragona，R。；巴塔利亚，F。；Cucina，D.，用遗传算法拟合分段线性阈值自回归模型，计算。统计数据分析。，47277-295（2004年）·Zbl 1429.62383号 ·doi:10.1016/j.csda.2003.11.003
[3] Baragona，R。；巴塔利亚，F。；Poli，I.，《进化统计程序》（2011），柏林：施普林格出版社，柏林·Zbl 1378.62005号
[4] 巴塔利亚，F。；Protopapas，Mk，非线性非平稳时间序列的多变量模型，计算。统计，27，2，319-341（2012）·Zbl 1304.65016号 ·doi:10.1007/s00180-011-0259-z
[5] Battaglia，F.，Cucina，D.，Rizzo，M.：季节性时间序列的周期自回归模型的推广。意大利罗马La Sapienza大学统计科学系技术代表2，ISSN 2279-798X（2018）·Zbl 1436.62411号
[6] 博多，G。；Cividini，A。；Signorini，Lf，《实时预测意大利工业生产指数》，J.Forecast。，10, 3, 285-299 (1991) ·doi:10.1002/用于3980100305
[7] Box，Gep，科学与统计，J.Am.Stat.Assoc.，71，356，791-799（1976）·Zbl 0335.62002号 ·doi:10.1080/01621459.1976.10480949
[8] 棕色，Rl；Durbin，J。；Evans，Jm，《随时间变化的回归关系恒常性测试技术》，J.R.Stat.Soc.Ser。B、 37、2、149-192（1975）·Zbl 0321.62063号
[9] 布鲁诺，G。；Lupi，C.，预测工业生产和早期发现转折点，Empir。经济。，29, 3, 647-671 (2004) ·doi:10.1007/s00181-004-0203-y
[10] 布利根，G。；Golinelli，R。；Parigi，G.，《实时预测月度工业生产：从单一方程到基于因子的模型》，Empir。经济。，39, 2, 303-336 (2010) ·doi:10.1007/s00181-009-0305-7
[11] Caporale，G.公司。；库纳多，J。；Gil-Alana，La，确定性与随机季节分数积分和结构突变，统计计算。，22, 2, 349-358 (2012) ·Zbl 1322.62012年 ·doi:10.1007/s11222-011-9227-2
[12] Chatterjee，S。；Laudato，M。；Lynch，La，遗传算法及其统计应用：简介，计算。统计数据分析。，22, 6, 633-651 (1996) ·Zbl 0900.62336号 ·doi:10.1016/0167-9473（96）00011-4
[13] Cucina，D.，Rizzo，M.，Ursu，E.：周期性自回归模型的多变化点检测及其在河流流量分析中的应用（2018年）。arXiv:1801.01697号
[14] Ra Davis；Lee，Tcm；Rodriguez-Yam，Ga，非平稳时间序列模型的结构突变估计，美国统计协会，101，473，223-239（2006）·Zbl 1118.62359号 ·doi:10.1198/01621450000000745
[15] Ra Davis；Lee，Tcm；Rodriguez-Yam，Ga，一类非线性时间序列模型的中断检测，J.time-Ser。分析。，29, 5, 834-867 (2008) ·Zbl 1199.62006号 ·文件编号：10.1111/j.1467-9892.2008.00585.x
[16] Falkenauer，E.，《遗传算法和分组问题》（1998），奇切斯特：威利·Zbl 0803.68037号
[17] Franses，Ph，季节性调整周期自回归过程的影响，计算。统计数据分析。，19, 6, 683-704 (1995) ·Zbl 0875.62410号 ·doi:10.1016/0167-9473（94）00019-F
[18] Franses，Ph；Paap，R.，《周期时间序列模型》（2004），纽约：牛津大学出版社，纽约·Zbl 1058.62112号
[19] Girardi，A。；瓜达巴斯西奥，B。；Ventura，M.，因子增强桥梁模型（FABM）和预测意大利工业生产的软指标，预测杂志。，35, 6, 542-552 (2016) ·doi:10.1002/用于2393
[20] Gladyshev，E.，周期相关随机序列，Sov。数学。，2, 385-388 (1961) ·Zbl 0212.21401号
[21] 希佩尔，千瓦；Mcleod，Ai，《水资源和环境系统的时间序列建模》（1994），阿姆斯特丹：爱思唯尔出版社
[22] Holland，Jh，《自然和人工系统的适应》（1992），剑桥：麻省理工学院出版社，剑桥
[23] 休伯特，L。；Arabie，P.，比较分区，J.Classif。，2, 1, 193-218 (1985) ·doi:10.1007/BF01908075
[24] Kapetanios，G.，使用非标准信息优化回归模型中的变量选择，计算。统计数据分析。，52, 1, 4-15 (2007) ·Zbl 1452.62926号 ·doi:10.1016/j.csda.2007.04.006
[25] 克莱伯，C。；霍尼克，K。；Leisch，F。；Zeileis，A.，strucchange:R包，用于测试线性回归模型中的结构变化，J.Stat.Softw。，7, 2, 1-38 (2002)
[26] Kontoghiorghes，Ej，《并行计算和统计手册》（2005），博卡拉顿：查普曼和霍尔/CRC，博卡拉通
[27] 李，S。；Lund，R.，通过遗传算法检测多个变化点，J.Clim。，25, 674-686 (2012) ·doi:10.1175/2011JCLI4055.1
[28] 卢奇。；Lund，Rb；Lee，Tcm，气候分割问题的MDL方法，Ann.Appl。统计，4，1，299-319（2010）·兹比尔1189.62180 ·doi:10.1214/09-AOAS289
[29] Dj诺克斯；艾·麦克劳德；Hipel，Kw，预测月度河流流量时间序列，国际期刊预测。，1, 2, 179-190 (1985) ·doi:10.1016/0169-2070（85）90022-6
[30] 普洛伯格，W。；Krämer，W.，使用OLS残差的CUSUM检验，《计量经济学》，60，2，271-285（1992）·兹比尔0744.61255 ·doi:10.2307/2951597
[31] Proietti，T。；Hillebrand，E.，《英格兰中部温度的季节变化》，J.R.Stat.Soc.Ser A，180，3，769-791（2017）·doi:10.1111/rssa.12229
[32] Rand，Wm，《聚类方法评估的客观标准》，美国统计协会期刊，66，336，846-850（1971）·doi:10.1080/01621459.1971.10482356
[33] Reeves，Cr，《组合问题的现代启发式技术》（1993），纽约：威利出版社，纽约·Zbl 0942.90500
[34] Sin，Cy；White，H.，选择可能错误的参数模型的信息标准，J.Econom。，71, 1-2, 207-225 (1996) ·Zbl 0843.62089号 ·doi:10.1016/0304-4076（94）01701-8
[35] 所以，Mkp；Chung，Rsw，时间序列中的动态季节性，计算。统计数据分析。，70, 212-226 (2014) ·Zbl 1471.62187号 ·doi:10.1016/j.csda.2013.09.010
[36] Teräsvirta，T.，平滑过渡自回归模型的规范、估计和评估，美国统计协会，89，425，208-218（1994）·Zbl 1254.91686号
[37] Thompston，R.M.，Hipel，K.W.，McLeod，A.I.：周期自回归模型的分组。收录：Anderson，O.D.，Ord，J.K.，Robinson，E.A.（编辑）《时间序列分析：理论与实践》6。1983年多伦多会议记录，荷兰北部，阿姆斯特丹，第35-49页（1985）
[38] Tong，H.，《非线性时间序列：动力系统方法》（1990），牛津：牛津大学出版社，牛津·Zbl 0716.62085号
[39] Ursu，E。；Turkman，Kf，使用遗传算法的周期自回归模型识别，J.Time-Ser。分析。，33, 2, 398-405 (2012) ·Zbl 1301.62093号 ·doi:10.1111/j.1467-9892.2011-00772.x
[40] Wong，H。；Ip、Wc；张，R。；Xia，J.，水文预报的非参数时间序列模型，水解学报。，332、3-4、337-347（2007年）·doi:10.1016/j.jhydrol.2006.07.013
[41] Zeileis，A。；克莱伯，C。；Krämer，W。；Hornik，K.，《实践中结构变化的测试和定年》，计算。统计数据分析。，44, 1-2, 109-123 (2003) ·Zbl 1429.62307号 ·doi:10.1016/S0167-9473（03）00030-6
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。