Semiparametric mean and variance joint models with Laplace link functions for count time series
采用 Laplace 链接函数的计数时间序列半参数均值与方差联合模型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：摘要直接研究计数时间序列的动态建模，以及条件均值和方差预测。
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
采用 Laplace 链接函数的计数时间序列半参数均值与方差联合模型
- 研究问题
- 如何为计数时间序列分别建模条件均值与方差，使模型容纳更灵活的均值方差关系，以及负回归系数和负自相关？
- 方法与思路
- 作者提出随机舍入计数型 GARCH 模型及其变体，使用 Laplace 链接函数，并研究条件最小二乘估计与模型选择准则。
- 材料陈述的贡献
- 摘要称模型允许负系数与负自相关，建立平稳遍历性及估计量的一致性、渐近正态性，并以模拟和真实数据评估预测。
- 阅读关注点
- 核对随机舍入机制、均值方差可行范围、平稳遍历条件，以及与 ARMA 自相关结构对应时的系数限制和预测评价。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已通过同行评审或被期刊接收；摘要未给出链接函数形式、理论条件及预测误差数值。
原文摘要
Count time series data are frequently analyzed by modeling their conditional means and the conditional variance is often considered to be a deterministic function of the corresponding conditional mean and is not typically modeled independently. We propose a semiparametric mean and variance joint model, called random rounded count-valued generalized autoregressive conditional heteroskedastic (RRC-GARCH) model, to address this limitation. The RRC-GARCH model and its variations allow for the joint modeling of both the conditional mean and variance and offer a flexible framework for capturing various mean-variance structures (MVSs). One main feature of this model is its ability to accommodate negative values for regression coefficients and autocorrelation functions. The autocorrelation structure of the RRC-GARCH model using the proposed Laplace link functions with nonnegative regression coefficients is the same as that of an autoregressive moving-average (ARMA) process. For the new model, the stationarity and ergodicity are established and the consistency and asymptotic normality of the conditional least squares estimator are proved. Model selection criteria are proposed to evaluate the RRC-GARCH models. The performance of the RRC-GARCH model is assessed through analyses of both simulated and real data sets. The results indicate that the model can effectively capture the MVS of count time series data and generate accurate forecast means and variances.