.png){kind=icon}
返回
SWITCHING REGIME INTEGER AUTOREGRESSIONS
.png){kind=icon}
OA
AI
DOI：10.1017/S0266466625100182.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
计数时间序列通常表现出复杂的动态和分布特征。为此，我们开发了一个灵活的框架，结合整数自回归（INAR）模型与潜在马尔可夫结构，从而得到隐马尔可夫模型-整数自回归（HMM-INAR）。首先，我们阐述存在遍历且平稳解的条件，并推导出自相关函数及其各分量的闭式表达式。其次，我们证明条件最大似然估计量具有一致性和渐近正态性。第三，我们推导出一种高效的期望-最大化算法，其步骤可表示为闭式，从而允许快速计算估计量。第四，我们提供一个实证说明，并将HMM-INAR应用于标准普尔存托凭证标准普尔500交易所交易基金信托的交易数量。潜在HMM结构与简单INAR(1)形式的结合，不仅与计数数据的替代设定相比提供了更好的拟合效果，而且也保留了结果的经济解释。
Keyword:
COUNT TIME-SERIES
MAXIMUM-LIKELIHOOD-ESTIMATION
HIDDEN MARKOV-MODELS
INAR(1) MODEL
PRICE
VOLUME
期刊
E
IF:
1
论文数:
29
被引数:
0
机构
引用论文
A zero‐modified geometric INAR(1) model for analyzing count time series with multiple features一种用于分析具有多特征的计数时间序列的零修正几何INAR(1)模型
.png){kind=icon}
PREAI
分享收藏
分享收藏分享收藏分享收藏
查看更多内容