On Mixture Double Autoregressive Time Series Models
混合双重自回归时间序列模型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：摘要直接研究自回归时间序列、条件异方差及平稳性，支持时间序列分类，但未说明具体金融应用。
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…
混合双重自回归时间序列模型
- 研究问题
- 如何将混合模型的灵活性引入双重自回归条件异方差模型，并在混合比例随时间变化时分析其概率性质与估计方法？
- 方法与思路
- 作者引入随时间变化的混合比例；针对两成分 Logistic 混合双重自回归模型，研究极大似然估计、EM 求解算法及模型选择信息准则。
- 材料陈述的贡献
- 摘要称，作者推导严格平稳性与高阶矩性质，并研究两成分 Logistic 模型的估计、算法和模型选择，辅以蒙特卡洛及实证实例。
- 阅读关注点
- 应核对双重自回归的均值与条件方差形式、混合权重变化规则，以及平稳性条件、EM 算法实现和信息准则的构造。
- 阅读边界
- 摘要未说明混合权重的具体参数化、模型识别条件或 EM 算法的收敛保证；模拟设计、实证数据与适用范围仍须查全文。
原文摘要
This article proposes a mixture double autoregressive model by introducing the flexibility of mixture models to the double autoregressive model, a novel conditional heteroscedastic model recently proposed in the literature. To make it more flexible, the mixing proportions are further assumed to be time varying, and probabilistic properties including strict stationarity and higher order moments are derived. Inference tools including the maximum likelihood estimation, an expectation–maximization (EM) algorithm for searching the estimator and an information criterion for model selection are carefully studied for the logistic mixture double autoregressive model, which has two components and is encountered more frequently in practice. Monte Carlo experiments give further support to the new models, and the analysis of an empirical example is also reported.