Generalized Autoregressive Moving Average Models
广义自回归移动平均模型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：摘要明确构造非高斯ARMA时间序列模型，并研究动态依赖、平稳性及边际矩，最直接对应时间序列。
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…
广义自回归移动平均模型
- 研究问题
- 如何把高斯ARMA模型推广到非高斯时间序列，在条件指数族框架中描述动态依赖，并估计模型与研究平稳性和边际矩？
- 方法与思路
- 作者构造观测驱动的GARMA模型，以给定历史的条件指数族分布描述响应，采用迭代加权最小二乘估计，并结合解析推导与模拟。
- 材料陈述的贡献
- 摘要称，模型推广了高斯ARMA并连接若干已有模型，还给出所述重参数化GARCH模型的四阶边际矩，以负二项计数序列示例。
- 阅读关注点
- 应核对条件分布与动态递推、平稳性和矩存在条件、估计算法，以及哪些性质由理论推导得到、哪些仅由模拟考察。
- 阅读边界
- 摘要未给出动态方程、平稳条件或具体应用结果，不能判断估计与预测优势。材料为版本未注明的OpenAlex索引摘要。
原文摘要
A class of generalized autoregressive moving average (GARMA) models is developed that extends the univariate Gaussian ARMA time series model to a flexible observation-driven model for non-Gaussian time series data. The dependent variable is assumed to have a conditional exponential family distribution given the past history of the process. The model estimation is carried out using an iteratively reweighted least squares algorithm. Properties of the model, including stationarity and marginal moments, are either derived explicitly or investigated using Monte Carlo simulation. The relationship of the GARMA model to other models is shown, including the autoregressive models of Zeger and Qaqish, the moving average models of Li, and the reparameterized generalized autoregressive conditional heteroscedastic GARCH model (providing the formula for its fourth marginal moment not previously derived). The model is demonstrated by the application of the GARMA model with a negative binomial conditional distribution to a well-known time series dataset of poliomyelitis counts.