SWITCHING REGIME INTEGER AUTOREGRESSIONS
状态切换整数值自回归模型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。
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：摘要以计数时间序列、整数值自回归和潜在马尔可夫动态为核心研究对象。
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…
状态切换整数值自回归模型
- 研究问题
- 如何为具有复杂动态和分布特征的计数时间序列建立可解释模型，并兼顾平稳性理论、估计推断和计算效率？
- 方法与思路
- 作者将整数值自回归与潜在马尔可夫状态结合，构建 HMM-INAR 模型，采用条件极大似然估计及具有闭式步骤的 EM 算法。
- 材料陈述的贡献
- 摘要称，研究给出遍历平稳解的条件、自相关表达式和估计量渐近性质，并在 ETF 交易次数应用中报告较好的拟合表现。
- 阅读关注点
- 应核对隐状态与计数过程的设定、平稳条件和参数识别，以及 EM 初始化、收敛表现及交易次数数据的时间聚合方式。
- 阅读边界
- 所给 Crossref 摘要未说明状态数量选择、具体条件或拟合指标；交易次数应用不能据此归类为特定频率，也不能推出预测优势。
原文摘要
Time series of counts often display complex dynamic and distributional characteristics. For this reason, we develop a flexible framework combining the integer-valued autoregressive (INAR) model with a latent Markov structure, leading to the hidden Markov model-INAR (HMM-INAR). First, we illustrate conditions for the existence of an ergodic and stationary solution and derive closed-form expressions for the autocorrelation function and its components. Second, we show consistency and asymptotic normality of the conditional maximum likelihood estimator. Third, we derive an efficient expectation–maximization algorithm with steps available in closed form which allows for fast computation of the estimator. Fourth, we provide an empirical illustration and estimate the HMM-INAR on the number of trades of the Standard & Poor’s Depositary Receipts S&P 500 Exchange-Traded Fund Trust. The combination of the latent HMM structure with a simple INAR $(1)$ formulation not only provides better fit compared to alternative specifications for count data, but it also preserves the economic interpretation of the results.