Modified Galton-Watson processes with immigration under an alternative offspring mechanism
替代后代机制下带移民的修正 Galton–Watson 过程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：摘要明确构造计数时间序列并比较预测表现，支持时间序列和预测分类；这些方法并未被限定为宏观经济应用。
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…
替代后代机制下带移民的修正 Galton–Watson 过程
- 研究问题
- 能否通过替代后代机制构造非线性计数时间序列，并在平稳、非平稳及零膨胀或零减少情形下改善预测？
- 方法与思路
- 作者以几何稀疏算子构造带移民的修正 Galton–Watson 过程，研究参数推断，并通过模拟和两个数据集分析表现。
- 材料陈述的贡献
- 摘要称所引入的非线性在考察的预测比较中优于常用线性情形，并提出处理零膨胀或零减少计数序列的推广。
- 阅读关注点
- 应核对几何稀疏算子的定义、平稳与非平稳版本的条件，以及预测比较的损失函数、样本划分和零值处理方式。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未量化预测收益，也未说明结论适用的完整条件。
原文摘要
We propose a novel class of count time series models alternative to the classic Galton-Watson process with immigration (GWI) and Bernoulli offspring. A new offspring mechanism is developed and its properties are explored. This novel mechanism, called geometric thinning operator, is used to define a class of modified GWI (MGWI) processes, which induces a certain non-linearity to the models. We show that this non-linearity can produce better results in terms of prediction when compared to the linear case commonly considered in the literature. We explore both stationary and non-stationary versions of our MGWI processes. Inference on the model parameters is addressed and the finite-sample behavior of the estimators investigated through Monte Carlo simulations. Two real data sets are analyzed to illustrate the stationary and non-stationary cases and the gain of the non-linearity induced for our method over the existing linear methods. A generalization of the geometric thinning operator and an associated MGWI process are also proposed and motivated for dealing with zero-inflated or zero-deflated count time series data.