An algorithm for the exact likelihood of a high-order autoregressive-moving average process
高阶 ARMA 过程精确似然的计算算法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：摘要明确研究 ARMA 过程的精确似然与 Kalman 滤波计算，直接对应时间序列方法。
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
高阶 ARMA 过程精确似然的计算算法
- 研究问题
- 如何计算高阶自回归移动平均过程的精确似然，尤其当移动平均部分阶数较高时，能否减少相对既有方法的计算成本？
- 方法与思路
- 作者结合 Kalman 滤波与 Morf、Sidhu 和 Kailath 的既有算法计算 ARMA 似然，并讨论该方法与文献中其他方法的效率。
- 材料陈述的贡献
- 摘要称当移动平均部分阶数大于五时，该方法比文献中的其他方法更有效率；未报告具体加速幅度或比较范围。
- 阅读关注点
- 核对精确似然的分布设定、滤波初始化与算法步骤，以及效率比较涉及的方法、计算指标和阶数条件。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；效率结论有明确阶数限定，摘要未说明分布假设、样本规模或计算复杂度。
原文摘要
The likelihood function for an autoregressive-moving average process is obtained using Kalman filtering and an algorithm of Morf, Sidhu & Kailath (1974). It is shown that this method is more efficient than others in the literature when the order of the moving average part is greater than five.