Maximum Likelihood Estimation for Non-Stationary Location Models with Mixture of Normal Distributions
正态混合误差下非平稳位置模型的极大似然估计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：摘要明确研究非平稳时间序列模型、滤波及预测，并以电力现货价格预测作为应用，直接对应时间序列与预测。
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…
正态混合误差下非平稳位置模型的极大似然估计
- 研究问题
- 如何在位置变量呈随机游走、误差分布复杂且可能包含周期或高阶相关的时间序列中，实现灵活的滤波、预测和参数估计？
- 方法与思路
- 作者构建带正态混合误差的观测驱动位置模型，可加入平稳动态部分，并研究极大似然估计、混合成分数量和预测表现。
- 材料陈述的贡献
- 摘要称，论文给出估计强一致性与渐近正态性的充分条件；电力现货价格应用中，所提模型的预测精度优于所比较模型。
- 阅读关注点
- 应核对随机游走位置与观测驱动机制的关系、混合模型的识别条件，以及错设扩展和电价预测比较的样本外设计。
- 阅读边界
- 仅据所给 OpenAlex 摘要，充分条件、错设推广细节及预测增益未说明；单一电价应用的比较结果不能推广至其他序列。
原文摘要
We consider an observation-driven location model where the unobserved location variable is modeled as a random walk process and where the error variable is from a mixture of normal distributions. The time-varying location can be extended with a stationary process to account for cyclical and/or higher order autocorrelation. The mixed normal distribution can accurately approximate many continuous error distributions. We obtain a flexible modeling framework for the robust filtering and forecasting based on time-series models with non-stationary and nonlinear features. We provide sufficient conditions for strong consistency and asymptotic normality of the maximum likelihood estimator of the parameter vector in the specified model. The asymptotic properties are valid under correct model specification and can be generalized to allow for potential misspecification of the model. A simulation study is carried out to monitor the forecast accuracy improvements when extra mixture components are added to the model. In an empirical study we show that our approach is able to outperform alternative observation-driven location models in forecast accuracy for a time-series of electricity spot prices.