An algorithm for the exact likelihood of a mixed autoregressive-moving average process
混合自回归移动平均过程精确似然的计算算法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：摘要直接研究自回归移动平均、纯自回归与季节过程的似然计算，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
混合自回归移动平均过程精确似然的计算算法
- 研究问题
- 如何高效计算自回归移动平均过程的精确似然，并利用纯自回归或乘法季节结构进一步简化计算？
- 方法与思路
- 作者通过变换过程获得带状协方差矩阵，再利用易于计算的 Cholesky 分解求似然，并针对两类特殊过程细化算法。
- 材料陈述的贡献
- 摘要称该方法可计算混合自回归移动平均过程的似然，并提供计算效率优于文献中其他方法的证据。
- 阅读关注点
- 核对过程变换如何保留精确似然、初始观测如何处理，以及效率比较所用模型阶数、样本规模和计算环境。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未说明分布条件、初始值处理及效率比较数值，不能判断普遍优势或刊本变化。
原文摘要
The likelihood function for an autoregressive-moving average process is obtained by transforming the process to obtain a band covariance matrix whose Cholesky decomposition can be readily computed. Refinements are given for pure autoregressive and multiplicative seasonal processes. Evidence is presented to show that this approach allows more efficient computation than other methods proposed in the literature.