Computation of the exact likelihood function of multivariate moving average models
多元移动平均模型精确似然函数的计算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：摘要明确研究多元移动平均模型的似然计算和参数估计，直接对应时间序列方向。
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
多元移动平均模型精确似然函数的计算
- 研究问题
- 如何高效计算多元移动平均模型的精确似然，并比较精确与不同近似似然所得参数估计量的均方误差？
- 方法与思路
- 作者提出三种分别利用协方差矩阵结构的计算方法，给出运算次数公式，并通过蒙特卡洛比较不同似然估计的均方误差。
- 材料陈述的贡献
- 摘要称，论文提供三种精确似然算法及选择算法的运算量依据，并报告精确似然与若干近似形式的参数估计比较。
- 阅读关注点
- 应核对三种方法的矩阵分解与适用条件、运算量如何随维数和阶数变化，以及模拟中的近似似然类型和误差结果。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；算法细节和模拟数值未提供，不能判断哪种方法始终最快或精确似然始终更优，也不能推断刊本变化。
原文摘要
This paper proposes three methods for computing the exact likelihood function of multivariate moving average models. Each method utilizes the structure of the covariance matrix in a different way. Formulae for operation counts of the three algorithms are given as a guide in selecting the best method for a given problem. Monte Carlo simulations are performed to compare the mean squared errors of parameter estimates obtained by maximizing the exact likelihood function versus those obtained by maximizing various approximate forms of the likelihood function.