.png){kind=icon}
返回
Score-driven time-varying parameter models with spline-based densities
.png){kind=icon}
OA
AI
DOI：10.1007/s11222-026-10840-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种基于分数驱动的时变参数模型，无需指定特定的参数误差分布。该方法依赖于一种通用的样条基密度，该密度产生一个以自然三次样条形式表示的分数函数。这种灵活的方法将高斯密度作为特例包含在内。它还能表示不对称和尖峰态密度，这些密度为时变参数生成异常值鲁棒的更新函数，并常用于经验应用中。作为典型示例，我们考虑时变参数出现在观测值的位置或对数尺度上的模型。模型的静态参数向量可通过最大似然法估计，并我们正式建立了一些此类估计量的渐近性质。我们在两项经验研究中说明了所提出方法的应用价值。我们采用位置模型来滤波美国月度CPI通胀序列的均值，并使用尺度模型对S&P 500指数的日股票回报全面板进行波动率滤波。结果表明，该方法在性能上优于现有文献中可用的一组竞争模型。
Keyword:
Natural cubic spline
Location model
Volatility model
Maximum likelihood estimation
Consistency
C13
C22
期刊
S
IF:
1.6
论文数:
200
被引数:
0
机构
引用论文
分享收藏Quasi-maximum-likelihood estimation in conditionally heteroscedastic time series: A stochastic recurrence equations approach.png)
ANNALS OF STATISTICS
OAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏
查看更多内容