Self-Excited Threshold Poisson Autoregression
自激门限泊松自回归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：摘要明确研究计数时间序列的泊松自回归、稳定性与参数推断。
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…
自激门限泊松自回归
- 研究问题
- 对于计数时间序列，如何通过观测驱动的门限机制描述单区制泊松自回归无法产生的负相关，并建立参数推断理论？
- 方法与思路
- 作者按滞后观测大小设置两区制条件泊松强度，利用马尔可夫链理论和李雅普诺夫方法研究稳定性及最大似然估计。
- 材料陈述的贡献
- 摘要称模型允许更灵活的相关结构，并给出唯一不变分布、强度过程大数定律和参数估计的渐近理论，附有地震计数应用。
- 阅读关注点
- 应核对两区制强度的具体形式、门限的处理方式、不变分布与估计理论所需条件，以及地震应用中的模型诊断和比较。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；具体参数限制和渐近条件未说明，不能判断有限样本表现或推断刊本变化。
原文摘要
This article studies theory and inference of an observation-driven model for time series of counts. It is assumed that the observations follow a Poisson distribution conditioned on an accompanying intensity process, which is equipped with a two-regime structure according to the magnitude of the lagged observations. Generalized from the Poisson autoregression, it allows more flexible, and even negative correlation, in the observations, which cannot be produced by the single-regime model. Classical Markov chain theory and Lyapunov’s method are used to derive the conditions under which the process has a unique invariant probability measure and to show a strong law of large numbers of the intensity process. Moreover, the asymptotic theory of the maximum likelihood estimates of the parameters is established. A simulation study and a real-data application are considered, where the model is applied to the number of major earthquakes in the world. Supplementary materials for this article are available online.