Maximum Likelihood Estimation of the Vector AutoRegressive To Anything (VARTA) model
VARTA 模型的最大似然估计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：摘要明确研究多元时间序列、潜在 VAR 动态和预测分布计算，直接对应时间序列与预测。
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
VARTA 模型的最大似然估计
- 研究问题
- 如何在多元时间序列中同时保留动态依赖与灵活的分布特征，并对基于潜在高斯 VAR 的 VARTA 模型开展估计和预测？
- 方法与思路
- 作者通过变换连接观测序列与潜在高斯 VAR，推导 VARTA 模型的最大似然估计，研究估计表现，并讨论诊断和预测分布计算。
- 材料陈述的贡献
- 摘要将已有用于模拟的 VARTA 模型扩展到似然估计、诊断与预测，并称其能够提供不限于高斯形式的预测分布估计。
- 阅读关注点
- 应核对变换与边际分布的设定、潜在动态参数的识别、似然计算方法，以及预测分布评价和模型诊断如何实施。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明可容纳分布的具体条件，也未提供预测改进的数值证据。
原文摘要
The literature on multivariate time series is, largely, limited to either models based on the multivariate Gaussian distribution or models specifically developed for a given application. In this paper we develop a general approach which is based on an underlying, unobserved, Gaussian Vector Autoregressive (VAR) model. Using a transformation, we can capture the time dynamics as well as the distributional properties of a multivariate time series. The model is called the Vector AutoRegressive To Anyting (VARTA) model and was originally presented by Biller and Nelson (2003) who used it for the purpose of simulation. In this paper we derive a maximum likelihood estimator for the model and investigate its performance. We also provide diagnostic analysis and how to compute the predictive distribution. The proposed approach can provide better estimates about the forecasting distributions which can be of every kind not necessarily Gaussian distributions as for the standard VAR models.