A Fast Algorithm for the Exact Likelihood of Stationary and Partially Nonstationary Vector Autoregressive-Moving Average Processes
平稳与部分非平稳 VARMA 过程精确似然的快速算法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：摘要直接研究向量自回归移动平均过程、单位根与精确似然计算，属于时间序列方法。
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
平稳与部分非平稳 VARMA 过程精确似然的快速算法
- 研究问题
- 如何高效计算平稳及部分非平稳向量 ARMA 过程的精确似然，并处理非可逆模型而避免差分带来的问题？
- 方法与思路
- 作者推导平稳 VARMA 的似然表达式，并扩展至自回归算子行列式具有单位根、其余根位于单位圆外的过程。
- 材料陈述的贡献
- 摘要称方法适用于平稳但未必可逆的模型，并无需差分即可处理所述部分非平稳情形，还用于给定参数的模型性质检验。
- 阅读关注点
- 核对初始观测的处理、单位根条件与算法步骤，尤其分清自回归情形中所述操作量是否包含数据读取与预处理。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明完整计算成本或数值稳定性，不能把特定操作量结论视为整体耗时与样本量无关。
原文摘要
An expression for the likelihood function of a stationary vector autoregressive-moving average process is developed. The expression is very efficient numerically and applies to any stationary but not necessarily invertible model. In particular, when the multivariate process is autoregressive, the exact likelihood can be evaluated with a small number of operations depending on the order of the autoregressive operator and the process dimension, but not on the size of the observed series. The expression also provides an efficient method for the evaluation of the exact likelihood of a partially nonstationary vector autoregressive-moving average process, for which the determinant of the autoregressive operator has at least one unit root and the remaining roots are outside the unit circle. This method does not require differencing the series, so that complications caused by over-differencing the series, such as noninvertibility and parameter identifiability problems, are avoided. The results for autoregressive models are also applied to testing the stationarity and invertibility of any autoregressive-moving average model with given parameter values.