Estimation of multivariate models for time series of possibly different lengths
不同长度时间序列的多变量模型估计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：摘要明确研究不等长度时间序列，并分析汇率在极端事件中的联合依赖，支持时间序列与尾部风险分类。
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
不同长度时间序列的多变量模型估计
- 研究问题
- 当各变量可用的时间序列长度不同，如何利用全部观测估计联合分布，并判断其相对重叠样本估计的效率？
- 方法与思路
- 作者将参数划分为边际分布与 copula 部分，提出使用全部数据的多阶段最大似然估计，并以模拟和日度汇率数据检验。
- 材料陈述的贡献
- 摘要称，给出多阶段估计渐近效率不低于重叠样本单阶段估计的条件，并发现汇率条件 copula 时变及极端事件中的较强依赖。
- 阅读关注点
- 应核对参数可分解条件、不同长度样本的形成方式、阶段间误差传递，以及渐近效率比较和极端依赖检验的依据。
- 阅读边界
- 仅依据所给 Crossref 摘要；效率结论的具体条件和小样本数值未说明，不能将极端依赖直接解释为系统性风险或推断版本变化。
原文摘要
Abstract We consider the problem of estimating parametric multivariate density models when unequal amounts of data are available on each variable. We focus in particular on the case that the unknown parameter vector may be partitioned into elements relating only to a marginal distribution and elements relating to the copula. In such a case we propose using a multi‐stage maximum likelihood estimator (MSMLE) based on all available data rather than the usual one‐stage maximum likelihood estimator (1SMLE) based only on the overlapping data. We provide conditions under which the MSMLE is not less asymptotically efficient than the 1SMLE, and we examine the small sample efficiency of the estimators via simulations. The analysis in this paper is motivated by a model of the joint distribution of daily Japanese yen–US dollar and euro–US dollar exchange rates. We find significant evidence of time variation in the conditional copula of these exchange rates, and evidence of greater dependence during extreme events than under the normal distribution. Copyright © 2006 John Wiley & Sons, Ltd.