Beta–Negative Binomial Auto-Regressions for Modelling Integer-Valued Time Series with Extreme Observations
含极端观测整数时间序列的贝塔—负二项自回归模型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：摘要明确研究整数时间序列、动态条件均值与平稳遍历性；汇率示例未明确收益预测、波动率或风险目标。
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
含极端观测整数时间序列的贝塔—负二项自回归模型
- 研究问题
- 如何为存在异常值的整数时间序列建立厚尾动态模型，并保证过程的平稳遍历性质和最大似然估计的渐近有效性？
- 方法与思路
- 作者以负二项分布的厚尾混合构造模型，让条件均值按观测驱动方程演化，并研究线性与得分驱动两种动态设定。
- 材料陈述的贡献
- 摘要称，文章证明一般条件下的平稳遍历性及估计量强一致性、渐近正态性；得分驱动滤波可减弱异常值影响。
- 阅读关注点
- 应核对平稳性与估计理论的条件、得分驱动如何抑制异常值，以及汇率应用如何对应整数值模型的观测设定。
- 阅读边界
- 仅据所给 Crossref 摘要；参数限制、稳健性的衡量及应用数值未说明，不能由汇率示例推断收益预测或金融风险结论。
原文摘要
Summary The paper introduces a general class of heavy-tailed auto-regressions for modelling integer-valued time series with outliers. The specification proposed is based on a heavy-tailed mixture of negative binomial distributions that features an observation-driven dynamic equation for the conditional expectation. The existence of a stationary and ergodic solution for the class of auto-regressive processes is shown under general conditions. The estimation of the model can be easily performed by maximum likelihood given the closed form of the likelihood function. The strong consistency and the asymptotic normality of the estimator are formally derived. Two examples of specifications illustrate the flexibility of the approach and the relevance of the theoretical results. In particular, a linear dynamic equation and a score-driven equation for the conditional expectation are studied. The score-driven specification is shown to be particularly appealing as it delivers a robust filtering method that attenuates the effect of outliers. Empirical applications to the series of narcotics trafficking reports in Sydney and the euro–pound sterling exchange rate illustrate the effectiveness of the method in handling extreme observations.