Margin-closed vector autoregressive time series models
具有边际封闭性的向量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。
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：摘要直接研究 VAR 的边际结构、序列依赖与多阶段估计，并提供宏观时间序列应用。
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…
关注这篇论文的作者
具有边际封闭性的向量自回归时间序列模型
- 研究问题
- 研究高斯 VAR 模型何时能让单变量或低维边际保持相同阶数的自回归结构，以及如何利用这一性质简化高维建模。
- 方法与思路
- 作者推导边际封闭条件，先拟合分块子过程再估计块间依赖，并通过高斯 copula 将该构造扩展至非高斯单变量边际。
- 材料陈述的贡献
- 摘要提出相对于给定变量分组具有边际封闭性的模型类，支持多阶段估计，并在宏观经济数据上与相关基准模型比较。
- 阅读关注点
- 应核对边际封闭条件的具体形式、分块依赖参数的约束、多阶段估计的统计性质，以及非高斯边际构造的解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出具体封闭条件、估计误差或宏观数据比较的数值结果。
原文摘要
Conditions are obtained for a Gaussian vector autoregressive time series of order $k$, VAR($k$), to have univariate margins that are autoregressive of order $k$ or lower-dimensional margins that are also VAR($k$). This can lead to $d$-dimensional VAR($k$) models that are closed with respect to a given partition $\{S_1,\ldots,S_n\}$ of $\{1,\ldots,d\}$ by specifying marginal serial dependence and some cross-sectional dependence parameters. The special closure property allows one to fit the sub-processes of multivariate time series before assembling them by fitting the dependence structure between the sub-processes. We revisit the use of the Gaussian copula of the stationary joint distribution of observations in the VAR($k$) process with non-Gaussian univariate margins but under the constraint of closure under margins. This construction allows more flexibility in handling higher-dimensional time series and a multi-stage estimation procedure can be used. The proposed class of models is applied to a macro-economic data set and compared with the relevant benchmark models.