Moving Aggregate Modified Autoregressive Copula-Based Time Series Models (MAGMAR-Copulas)
移动聚合修正的自回归 Copula 时间序列模型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：摘要直接提出平稳时间序列的动态依赖模型，讨论 ARMA 嵌套并以美国通胀序列进行应用。
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
移动聚合修正的自回归 Copula 时间序列模型
- 研究问题
- 当单变量平稳时间序列不满足有限阶马尔可夫性质时，如何扩展 Copula 时间序列模型，使其表达更丰富的动态依赖？
- 方法与思路
- 作者在模型更新式中加入由 Copula 条件分位数函数定义的移动聚合项，用 D-vine 推导分布性质，并以变换修正边际均匀性。
- 材料陈述的贡献
- 摘要称新模型嵌套经典 ARMA，可解释为其非线性推广；美国通胀应用显示，它在信息准则上与基准模型具有竞争力。
- 阅读关注点
- 应核对移动聚合项的记忆结构、平稳性要求和均匀化变换，以及 ARMA 嵌套的具体形式、参数估计与信息准则比较方式。
- 阅读边界
- 依据 arXiv 预印本摘要，同行评审及期刊接收未经核实；摘要未展开参数条件或比较数值，信息准则表现不能直接证明预测优势。
原文摘要
Copula-based time series models can model univariate and stationary time series in a flexible way by decomposing the joint distribution of consecutive observations into a copula and the stationary distribution. Implicitly this approach assumes a finite Markov order. In reality a time series may not follow the Markov property. We modify the copula-based time series models by introducing a moving aggregate (MAG) part into the model updating equation. The functional form of the MAG-part is given as the conditional quantile function corresponding to a copula. The resulting MAG-modified Autoregressive Copula-Based Time Series model (MAGMAR-Copula) is discussed in detail and distributional properties are derived in a D-vine framework. We show that the stationary distribution implied by the model is not standard-uniform. Hence we propose an adjustment transformation that recovers the desired standard-uniformity. The model nests the classical ARMA model and can be interpreted as a non-linear generalization of the ARMA model. The modeling performance is evaluated by modeling US inflation. Our model is competitive with benchmark models in terms of information criteria.