Copula-Based Time Series for Non-Gaussian and Non-Markovian Stationary Processes
非高斯、非马尔可夫平稳过程的 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：摘要直接研究平稳时间序列建模，并以美国通胀等序列开展概率预测。
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…
关注这篇论文的作者
非高斯、非马尔可夫平稳过程的 Copula 时间序列模型
- 研究问题
- 如何通过 copula 描述平稳序列的时间依赖，并构建可容纳长期自回归影响的非高斯、非马尔可夫模型？
- 方法与思路
- 作者从高阶马尔可夫序列与有限依赖序列构造推广模型，分析分布性质、极大似然估计及其与高斯模型的联系。
- 材料陈述的贡献
- 摘要称，论文刻画模型与 ARMA、GARCH 的关系，研究基础 MAG(1) 过程，并开展通胀和风能产出的概率预测。
- 阅读关注点
- 应核对过程构造与平稳性条件、长程影响的具体含义、似然计算方式，以及概率预测评价和基准模型的设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未报告预测比较结果，也未说明估计量的具体理论保证。
原文摘要
In the copula-based approach to univariate time series modeling, the finite dimensional temporal dependence of a stationary time series is captured by a copula. Recent studies investigate how copula-based time series models can be generalized to have long-term autoregressive effects. We study a generalization that comes from a Markov sequence of order p and a q-dependent sequence. We derive the relation of the model to Gaussian-ARMA models and to the Gaussian-GARCH(1,1) model. We investigate distributional properties of the process and discuss the maximum likelihood estimation (MLE). Additionally we analyze the copula moving aggregate process of order one, or MAG(1), as it is a basic building block. Last we test the model in probabilistic forecasting studies on US inflation and German wind energy production.