Likelihood Geometry of Moving Average and Autoregressive Processes
移动平均与自回归过程的似然几何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：摘要直接研究移动平均和自回归时间序列模型的似然估计与计算。
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
移动平均与自回归过程的似然几何
- 研究问题
- 移动平均与自回归模型的似然方程具有怎样的解结构和解数量，哪些临界点对应不可逆模型，如何可靠地计算这些解？
- 方法与思路
- 作者从代数统计视角研究似然及复合似然的临界点，在可行时给出参数闭式公式，并模拟比较数值代数几何与传统优化。
- 材料陈述的贡献
- 摘要所述贡献是对时间序列似然解结构的代数分析，涵盖不可逆移动平均模型、复合似然及自回归过程的扩展。
- 阅读关注点
- 应核对模型阶数、参数空间及可逆性约束，区分临界点与全局最大值，并检查闭式解范围和数值方法比较的评价标准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未提供解数量、闭式公式或模拟结果，不能判断算法优劣。
原文摘要
We study the problem of maximum likelihood estimation for moving average (MA) time series models from the perspective of algebraic statistics, with a focus on the structure and number of solutions of their likelihood equations. Of particular interest is to classify the critical points that lead to non-invertible models. We consider the composite likelihood as an alternative estimation method and analyze its critical points. We extend our algebraic analysis to autoregressive processes (AR). We provide algebraic closed form formulas for the parameters when possible. We also explore in simulations how methods from numerical algebraic geometry perform against traditional optimization for these models.