Semiparametric Bayesian Inference for Time Series with Mixed Spectra
混合谱时间序列的半参数贝叶斯推断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：摘要直接研究时间序列的平稳成分、谱密度、趋势与周期项，属于时间序列方法。
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
混合谱时间序列的半参数贝叶斯推断
- 研究问题
- 当时间序列同时包含平稳随机成分、趋势和周期项时，如何联合估计这些成分，并检验确定性成分是否存在？
- 方法与思路
- 作者将平滑谱密度、回归参数、未知频率及缺失观测纳入层级贝叶斯框架，用渐近似然近似开展蒙特卡洛计算。
- 材料陈述的贡献
- 摘要称该框架可同时估计不同数据特征，并构造确定性成分的贝叶斯检验；实际与模拟样本用于展示方法表现。
- 阅读关注点
- 应核对各成分的区分条件、先验设定、未知频率和缺失观测的处理，以及似然近似与计算复杂度的适用范围。
- 阅读边界
- 仅据所给 Crossref 摘要；先验、渐近条件及实证比较细节未说明，不能据此判断有限样本准确性或普遍优势。
原文摘要
Summary A Bayesian analysis is presented of a time series which is the sum of a stationary component with a smooth spectral density and a deterministic component consisting of a linear combination of a trend and periodic terms. The periodic terms may have known or unknown frequencies. The advantage of our approach is that different features of the data—such as the regression parameters, the spectral density, unknown frequencies and missing observations—are combined in a hierarchical Bayesian framework and estimated simultaneously. A Bayesian test to detect deterministic components in the data is also constructed. By using an asymptotic approximation to the likelihood, the computation is carried out efficiently using the Markov chain Monte Carlo method in O(Mn) operations, where nis the sample size and Mis the number of iterations. We show empirically that our approach works well on real and simulated samples.