Causal Non-causal State Space Models and the Modelling of Financial Bubbles
因果—非因果状态空间模型与金融泡沫建模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：摘要直接研究时间序列状态空间模型，并讨论理性预期股价模型与金融泡沫。
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
因果—非因果状态空间模型与金融泡沫建模
- 研究问题
- 如何刻画股价等序列局部爆炸性上涨后急跌的动态，并在因果—非因果状态空间框架中推断隐状态、参数与泡沫规模？
- 方法与思路
- 作者研究因果—非因果卷积自回归模型与理性预期股价模型的相容性，讨论状态和参数推断，并进行实时与事后泡沫估计。
- 材料陈述的贡献
- 摘要称提供该卷积自回归模型的新结果，并以互联网泡沫为应用，与稳定非因果自回归基准比较泡沫规模估计。
- 阅读关注点
- 应核对模型相容性的具体条件、状态推断如何处理未来信息，以及实时估计与事后估计的信息集和基准比较方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明新结果的条件、泡沫估计数值及模型识别边界。
原文摘要
In this paper, we study causal non-causal state space models to model time series characterised by a local explosive increase followed by a sharp decrease such as stock prices. To motivate the use of causal non-causal state space models, we show that the causal non-causal convolution autoregressive model introduced by Gourieroux and Zakoian (2017) can be consistent with the rational expectations stock price model. As in a causal state space model, a central question is how to perform state and parameter inference in the causal non-causal state space model, which we discuss in the paper. We also study the causal non-causal convolution autoregressive model in more detail, providing some new results for the model. To illustrate the usefulness of causal non-causal state space models, we use the causal non-causal convolution autoregressive model to estimate the size of the dot-com bubble in both real time and a posteriori with the stable non-causal autoregressive model considered also by Gourieroux and Zakoian (2017) as a benchmark.