COUNT AND DURATION TIME SERIES WITH EQUAL CONDITIONAL STOCHASTIC AND MEAN ORDERS
条件随机排序与均值排序一致的计数和持续时间序列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。
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：摘要核心是计数和持续时间序列的平稳性、混合性质及动态条件均值估计，直接对应时间序列方法。
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
条件随机排序与均值排序一致的计数和持续时间序列
- 研究问题
- 对于条件均值随时间及外生变量变化的计数或持续时间序列，哪些条件能保证稳定性、弱依赖和参数推断有效？
- 方法与思路
- 作者以均值函数的收缩条件和条件分布的排序一致性为基础，分析平稳性、遍历性、矩及指数准极大似然估计。
- 材料陈述的贡献
- 摘要称，文章给出矩存在、几何 β 混合及估计量一致性和渐近正态性的条件，并允许放宽通常的乘性误差形式。
- 阅读关注点
- 应核对收缩与排序一致性的具体定义、允许的分布族、外生变量条件，以及准似然推断和模型扩展的范围。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体条件和模拟结果未说明，应用也不足以证明所有持续时间模型均应放宽误差形式。
原文摘要
We consider a positive-valued time series whose conditional distribution has a time-varying mean, which may depend on exogenous variables. The main applications concern count or duration data. Under a contraction condition on the mean function, it is shown that stationarity and ergodicity hold when the mean and stochastic orders of the conditional distribution are the same. The latter condition holds for the exponential family parametrized by the mean, but also for many other distributions. We also provide conditions for the existence of marginal moments and for the geometric decay of the beta-mixing coefficients. We give conditions for consistency and asymptotic normality of the Exponential Quasi-Maximum Likelihood Estimator of the conditional mean parameters. Simulation experiments and illustrations on series of stock market volumes and of greenhouse gas concentrations show that the multiplicative-error form of usual duration models deserves to be relaxed, as allowed in this paper.