Mixture Matrix-valued Autoregressive Model
混合矩阵值自回归模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究矩阵时间序列自回归，并以衰退扩张或疫情前后状态切换为动机，支持时间序列与动态结构变化分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
混合矩阵值自回归模型
- 研究问题
- 对于国家与经济指标等双属性矩阵时间序列，如何在保持模型简约性的同时刻画不同经济状态下的动态变化？
- 方法与思路
- 作者将矩阵自回归扩展为混合矩阵自回归模型，采用 EM 算法进行最大似然估计，并推导一致性和渐近分布。
- 材料陈述的贡献
- 摘要称，所提模型用于捕捉线性矩阵自回归难以描述的非线性及状态切换，并通过模拟和真实应用展示方法表现。
- 阅读关注点
- 应核对混合成分及状态机制、参数识别约束、平稳性条件、EM 初始化与收敛，以及理论结果对应的模型设定。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明混合权重机制、状态数量选择及实证应用的具体结果。
原文摘要
Time series of matrix-valued data are increasingly available in various areas including economics, finance, social science, among others. These data may shed light on the inter-dynamical relationships between two sets of attributes, for instance, countries and economic indices. The matrix autoregressive (MAR) model provides a parsimonious approach for analyzing such data. However, the MAR model, being a linear model with parametric constraints, cannot capture the nonlinear patterns in the data, such as regime shifts in the dynamics. We propose a mixture matrix autoregressive (MMAR) model for analyzing potential regime shifts in the dynamics between two attributes, for instance, due to recession versus expansion, or stable period versus pandemic. We propose an EM algorithm for maximum likelihood estimation. We derive some theoretical properties of the proposed method including consistency and asymptotic distribution, and illustrate its performance via simulations and real applications.