Generalized multivariate threshold autoregressive models with linearly partitioned threshold space
阈值空间由直线划分的广义多元阈值自回归模型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：摘要直接研究多状态向量阈值自回归及利率、国民生产总值序列，支持时间序列分类，未提供冲击识别分析。
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
阈值空间由直线划分的广义多元阈值自回归模型
- 研究问题
- 当多元时间序列的状态由二维阈值变量及未知条数的阈值直线决定时，如何同时选择状态划分并估计各状态的动态参数？
- 方法与思路
- 作者以最小描述长度原则构造优化问题，联合估计阈值直线数量、直线形式及各状态的 VAR 参数，并分析局部目标函数。
- 材料陈述的贡献
- 摘要称证明阈值直线估计量具有 n 一致性并刻画极限分布，为此建立新函数空间中的弱收敛结果，并提供模拟和实际应用。
- 阅读关注点
- 应核对阈值划分的可识别条件、模型复杂度惩罚、极限分布的适用范围，以及联合优化的算法实现和模拟设计。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未说明一致性所需具体条件、计算可行性及数值表现，不能推断其普遍优于其他阈值模型。
原文摘要
We consider a k-dimensional multiple-regime vector threshold autoregressive model, in which the regime-switching mechanism is governed by a bivariate threshold variable. Specifically, the regimes are induced by a partition of the threshold space by an unknown number of threshold lines. Within each regime, the process follows a specific vector autoregressive (VAR) model. We formulate the model selection and parameter estimation into a minimization problem based on the Minimum Description Length (MDL) principle and estimate the number of threshold lines, parametric forms of threshold lines and VAR model parameters in each regime simultaneously. Theoretically, we show that the MDL estimators of threshold lines are n-consistent and characterize their limiting distribution. This requires novel proving techniques of introducing a new functional space G for the local MDL difference functions and establishing weak convergence results therein. Finally, we conduct some empirical studies with simulated datasets and perform real data analyses on U.S. interest rates and U.S. GNP Data.