×
霍尔希迪，H.R。;A.R.线虫。;马努切赫里，T。

关于向量值广义自回归模型。 （英语） Zbl 07739794号

J.统计计算。模拟 93，第14号，2428-2449（2023）.
摘要：经典自回归模型广泛应用于时间序列建模。最近，人们提出了一类由附加参数识别的广义自回归模型，以揭示标准自回归模型无法表征的一些隐藏特征。本文将广义自回归模型推广到向量值自回归模型，为相关数据建模提供了一个灵活的框架。研究了新模型的性质，如平稳条件、自协方差函数的某些显式形式和谱密度矩阵。然后对未知参数进行估计，并与其他类型的传统方法进行比较。然后报告了通过模拟研究获得的数值结果。最后，将传统自回归模型和广义自回归模型分别拟合到一个著名的二元时间序列，并讨论了所提出模型的性能和估计方法。

MSC公司：

62至XX 统计
62甲12 多元分析中的估计
60亿10 平稳随机过程
2015年1月62日 贝叶斯推断
62小时10分 统计的多元分布
62M10个 统计学中的时间序列、自相关、回归等（GARCH）

关键词：

广义自回归模型;VAR模型;向量值广义自回归模型;ECM算法;MAP估计;非信息性先验;艾斯分析;吉布斯采样;MCMC算法

软件：

FinTS公司;其mr;PMTK公司
PDF格式BibTeX公司 XML格式引用
\textit{H.R.Khorshidi}等人，《统计计算杂志》。模拟93，No.14，2428--2449（2023；Zbl 07739794）
全文： 内政部

参考文献：

[1] Peiris，MS，使用广义AR模型提高预测质量：在统计质量控制中的应用，Stat方法，5，2156-171（2003）·Zbl 1174.62502号
[2] 佩里斯，S。；Thavaneswaran，A.，《带指数的波动率模型简介》，《应用数学-莱特》，第20、2、177-182页（2007年）·Zbl 1104.62113号
[3] 佩里斯，S。；艾伦，D。；Thavaneswaran，A.，《广义移动平均模型和应用简介》，《应用统计科学杂志》，13，3，251-267（2004）·Zbl 1086.62101号
[4] 皮莱，TR；石滩，M。；Peiris，MS，具有广义滑动平均误差的一阶自回归过程类的时间序列性质，J Stat Adv Theor Appl，2，1，71-92（2009）·Zbl 1180.62125号
[5] 皮莱，TR；石滩，M。；Peiris，S.，广义自回归滑动平均（GARMA（1,1；δ_1，δ_2））模型（1,1，δ1，δ2）的一些性质，Commun Stat Theor Method，41，4，699-716（2012）·Zbl 1237.62124号
[6] 石滩，M。；Peiris，S.，带滑动平均误差的广义一阶自回归过程类的时间序列性质，Commun Stat Theor方法，40，13，2259-2275（2011）·Zbl 1318.62281号
[7] 皮莱，TR；Shitan，M.，广义自回归滑动平均（GARMA（1,2；δ，1））模型的一些性质，Commun Stat Theor方法，41，4，699-716（2012）·兹比尔1237.62124
[8] 皮莱，TR；Shitan，M.，《马来西亚森林地区广义arma（garma）时间序列建模图解》，《国际现代物理会议系列》，09390-397（2012）
[9] 哈密尔顿，JD。，时间序列分析（1994），普林斯顿：普林斯顿大学出版社，普林斯顿·Zbl 0831.62061号
[10] 普华永道Brockwell；戴维斯，RA。，《时间序列：理论和方法》（1991年），纽约：斯普林格·弗拉格出版社，纽约·Zbl 0709.62080号
[11] 普华永道Brockwell；弗吉尼亚州戴维斯。，时间序列和预测导论（2002），纽约：Springer，纽约·Zbl 0994.62085号
[12] Lutkepohl，H.，《多重时间序列分析新导论》（2005），斯普林格柏林，海德堡：斯普林格科学与商业媒体，斯普林格柏林，海德堡·兹比尔1072.62075
[13] Tsay，RS.，《金融时间序列分析》，543（2005），新泽西州霍博肯：新泽西州霍博肯的John Wiley&Sons·兹比尔1086.91054
[14] Tsay，RS.，《多元时间序列分析：R和金融应用》（2013），John Wiley
[15] 阿格伦，N。；Catani，P.，向量自回归模型中自相关的Wild bootstrap检验，Stat Paper，581189-1216（2017）·Zbl 1383.62203号
[16] 明丹尼斯，新加坡；Ngatchou-Wandji，J。；Allison，J.，向量自回归模型中序列独立性的测试，统计论文，591379-1410（2018）·Zbl 1409.62176号
[17] KP.墨菲（Murphy），《机器学习：概率观点》（2012），马萨诸塞州剑桥市，伦敦：麻省理工学院出版社，马萨诸塞诸塞州坎布里奇市，伦敦·Zbl 1295.68003号
[18] 巴塞特·R。；Deride，J.，最大后验估计量作为贝叶斯估计量的极限，数学程序，174，1，129-144（2019）·Zbl 1416.62062号
[19] Gebizlioglu，O.L。；⑩enolu，B。；Kantar，Y.M.，双参数Weibull损失分布特定值风险估计方法的比较，计算应用数学杂志，235，11，3304-3314（2011）·Zbl 1211.91148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。