On a logistic mixture autoregressive model
逻辑斯蒂混合自回归模型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：摘要明确研究非线性时间序列建模、预测分布与点预测比较。
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
逻辑斯蒂混合自回归模型
- 研究问题
- 如何通过随时间变化的混合权重和外生变量，刻画非线性时间序列的预测分布、周期与条件异方差？
- 方法与思路
- 作者将混合自回归推广为 LMARX，以两个高斯传递函数模型组成混合，并采用 EM 算法估计及讨论模型选择。
- 材料陈述的贡献
- 摘要称，该模型提供更丰富的预测分布形状，能够处理周期和条件异方差，并在两个真实数据集上比较预测表现。
- 阅读关注点
- 应核对逻辑斯蒂权重及外生变量的设定、模型选择方法，并检查更好点预测的评价指标、比较对象与验证设计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；数据、评价数值及比较条件未说明，作者所称预测优势不能视为普遍结论。
原文摘要
We generalise the mixture autoregressive, MAR, model to the logistic mixture autoregressive with exogenous variables, LMARX, model for the modelling of nonlinear time series. The models consist of a mixture of two Gaussian transfer function models with the mixing proportions changing over time. The model can also be considered as a generalisation of the self‐exciting threshold autoregressive, SETAR, model and the open‐loop threshold autoregressive, TARSO, model. The advantages of the LMARX model over other nonlinear time series models include a wider range of shape‐changing predictive distributions, the ability to handle cycles and conditional heteroscedasticity in the time series and better point prediction. Estimation is easily done via a simple EM algorithm and the model selection problem is addressed. The models are applied to two real datasets and compared with other competing models.