Exact Maximum Likelihood Estimation of Stationary Vector ARMA Models
平稳向量 ARMA 模型的精确最大似然估计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：题名与摘要直接研究平稳向量 ARMA 的似然计算和估计，明确属于时间序列方法，未涉及冲击识别或预测任务。
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
平稳向量 ARMA 模型的精确最大似然估计
- 研究问题
- 对于平稳向量 ARMA 模型，如何分别改进精确似然的计算与最大化，并形成兼顾两者特点的参数估计算法？
- 方法与思路
- 作者先提出精确似然计算程序，再设计利用该程序性质的最大化步骤，结合成估计算法，并以分析和数值例子比较。
- 材料陈述的贡献
- 摘要称新算法整合既有程序中分散的有用特性，比较显示其表现至少相当，并在某些实际相关情形中更好。
- 阅读关注点
- 应核对平稳性与参数约束、精确似然的初始化处理、优化程序的收敛表现，以及比较所采用的成本和精度标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出性能指标和数值结果，不能认定算法在所有模型配置中占优。
原文摘要
The problems of evaluating and subsequently maximizing the exact likelihood function of vector autoregressive moving average (ARMA) models are considered separately. A new and efficient procedure for evaluating the exact likelihood function is presented. This method puts together a set of useful features that can only be found separately in currently available algorithms. A procedure for maximizing the exact likelihood function, which takes full advantage of the properties offered by the evaluation algorithm, is also considered. Combining these two procedures, a new algorithm for exact maximum likelihood estimation of vector ARMA models is obtained. Comparisons with existing procedures, in terms of both analytical arguments and a numerical example, are given to show that the new estimation algorithm performs at least as well as existing ones, and that relevant real situations occur in which it does better.