Modelling Volatility of Spatio-temporal Integer-valued Data with Network Structure and Asymmetry
具有网络结构与非对称性的时空整数值数据波动建模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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究一般时空网络计数模型，未明确微观网络干扰或金融波动应用，经济领域细分证据不足。
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
具有网络结构与非对称性的时空整数值数据波动建模
- 研究问题
- 对于具有网络联系的动态时空计数数据，如何以较简洁的参数化刻画波动非对称性，并开展大样本统计推断？
- 方法与思路
- 作者提出条件分布为 Poisson 的空间阈值 GARCH 类模型，利用网络结构简化参数，并以弱依赖随机场理论研究估计。
- 材料陈述的贡献
- 摘要称模型可捕捉动态波动的非对称性，并在样本量和网络维度均增大时建立最大似然渐近推断，附模拟与应用。
- 阅读关注点
- 应核对条件均值与波动的关系、阈值和网络权重设定，以及弱依赖条件、维度增长要求和模型稳定性的论证。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要未说明网络构造、稳定性条件或实际数据类型，不能确认经济金融适用性。
原文摘要
This paper proposes a spatial threshold GARCH-type model for dynamic spatio-temporal integer-valued data with network structure. The proposed model can simplify the parameterization by using network structure in data, and can capture the asymmetric property in dynamic volatility by adopting a threshold structure. The proposed model assumes the conditional distribution is Poisson distribution. Asymptotic theory of maximum likelihood estimation (MLE) for the spatial model is derived when both sample size and network dimension are large. We obtain asymptotic statistical inferences via investigation of the weak dependence of components of the model and application of limit theorems for weakly dependent random fields. Simulation studies and a real data example are presented to support our methodology.