Edge-indexed network time series with graph Ornstein-Uhlenbeck dynamics
具有图 Ornstein–Uhlenbeck 动态的边索引网络时间序列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：摘要明确提出连续时间网络序列模型，并用于高频金融数据；网络联系用于动态建模，未陈述因果干扰机制。
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
具有图 Ornstein–Uhlenbeck 动态的边索引网络时间序列
- 研究问题
- 如何为网络边上的时间序列建立连续时间模型，同时容纳布朗波动和跳跃，并实现参数估计与预测？
- 方法与思路
- 作者将边索引网络自回归与图 Ornstein–Uhlenbeck 动态结合，允许一般 Lévy 噪声，并建立最大似然估计及渐近分析。
- 材料陈述的贡献
- 摘要称，方法具有相应渐近性质；模拟及高频金融应用显示，相较所用基准预测更准确、计算更快，并保留网络参数化的稳健性。
- 阅读关注点
- 应核对边之间关联的图表示、稳定性与噪声条件、连续模型对应的观测采样方案，以及似然估计和预测基准的具体设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明采样及渐近条件、基准模型和增益数值，也未定义稳健性标准。
原文摘要
We introduce a class of Lévy-driven graph Ornstein-Uhlenbeck (grOU) models for edge-indexed network time series. The proposed framework extends generalized network autoregressive (GNAR) processes for edge-indexed network time series to continuous time and adapts graph Ornstein-Uhlenbeck dynamics, originally developed for node-indexed processes, to the edge-indexed setting. The model accommodates general Lévy noise and therefore captures both Brownian and jump behavior. We show that the model parameters can be estimated via a maximum-likelihood framework and derive the asymptotic properties of the estimator. We examine the finite-sample performance of the methodology through simulation studies and illustrate its practical relevance in an empirical application to high-frequency financial data. The results indicate that grOU models for edge-indexed network time series improve forecasting accuracy and reduce computational time relative to standard benchmarks while maintaining robustness through their network-based parametrization.