Asymptotic properties of the maximum likelihood estimator in autoregressive models with Markov regime
马尔可夫状态切换自回归模型中极大似然估计的渐近性质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：摘要明确研究马尔可夫状态切换自回归过程及其似然估计，直接属于时间序列方法。
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
马尔可夫状态切换自回归模型中极大似然估计的渐近性质
- 研究问题
- 当自回归函数由不可观测马尔可夫链决定，且隐藏状态空间紧致但不必有限时，极大似然估计能否获得可靠的渐近性质？
- 方法与思路
- 作者研究可能非平稳的状态切换自回归过程，利用给定观测后隐藏链对初始分布的一致指数遗忘性质建立渐近理论。
- 材料陈述的贡献
- 摘要称可由所述一致指数遗忘性质推出极大似然估计的一致性与渐近正态性，研究范围允许紧致的非有限隐藏状态空间。
- 阅读关注点
- 阅读全文时应核对指数遗忘成立的条件、可能非平稳的确切含义，以及参数可识别性、似然初始化与渐近正态性的要求。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；未列出完整正则条件，不能理解为任意非平稳或任意紧致状态模型均成立。
原文摘要
An autoregressive process with Markov regime is an autoregressive process for which the regression function at each time point is given by a nonobservable Markov chain. In this paper we consider the asymptotic properties of the maximum likelihood estimator in a possibly nonstationary process of this kind for which the hidden state space is compact but not necessarily finite. Consistency and asymptotic normality are shown to follow from uniform exponential forgetting of the initial distribution for the hidden Markov chain conditional on the observations.