A Non-Gaussian Model for Time Series with Pulses
含脉冲时间序列的非高斯模型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。
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：摘要明确提出处理脉冲与衰减动态的非高斯时间序列模型。
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
含脉冲时间序列的非高斯模型
- 研究问题
- 对于偶尔大幅上升、随后在两次脉冲之间指数衰减的时间序列，如何构建能够反映创新分布与历史反馈的模型？
- 方法与思路
- 作者提出非高斯的类自回归模型，使当前创新的分布依赖过程历史，并建立基于似然的推断方法用于内分泌数据。
- 材料陈述的贡献
- 摘要称模型区别于一阶自回归过程之处在于创新分布与历史之间的反馈，并提供似然推断及内分泌数据应用。
- 阅读关注点
- 应核对脉冲和衰减如何进入模型、创新分布怎样随历史变化，以及参数估计、模型诊断和数据应用的具体实现。
- 阅读边界
- 仅据未注明稿件版本的OpenAlex索引摘要；平稳性、参数识别与估计性质未说明，也没有提供金融或宏观应用结论。
原文摘要
A non-Gaussian autoregressive-like model is presented for time series that exhibit occasional large increases in value, termed pulses, and exponential decay between pulses. The model differs from a first-order autoregressive process in its incorporation of feedback between the distribution of the current innovation and the history of the process. Likelihood-based methods of inference for the model are developed, and an application to endocrinological data is given.