Score Driven Generalized Fitness Model for Sparse and Weighted Temporal Networks
稀疏加权时变网络的得分驱动广义适应度模型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：摘要以稀疏加权网络的连接、权重及网络动态建模为核心。
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…
稀疏加权时变网络的得分驱动广义适应度模型
- 研究问题
- 如何同时描述时变网络中的大量零连接与非零连接权重，使连接出现概率和期望权重具有灵活关系，并容纳外部变量的影响？
- 方法与思路
- 作者将扩展的适应度模型与得分驱动框架结合，用零增广广义线性模型处理权重，以观测驱动方式更新时变参数并纳入外部变量。
- 材料陈述的贡献
- 摘要称模型允许连接出现概率与期望权重独立设定，并在欧元区银行间隔夜敞口数据上开展连接预测，考察 EONIA 影响是否变化。
- 阅读关注点
- 应核对连接概率和权重的具体参数化、得分更新机制、网络依赖的处理，以及预测评估和利率影响随时间变化的判定方式。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或接收未核实；摘要未给出预测表现及利率影响结果，也不能将外部变量关联解释为因果效应。
原文摘要
While the vast majority of the literature on models for temporal networks focuses on binary graphs, often one can associate a weight to each link. In such cases the data are better described by a weighted, or valued, network. An important well known fact is that real world weighted networks are typically sparse. We propose a novel time varying parameter model for sparse and weighted temporal networks as a combination of the fitness model, appropriately extended, and the score driven framework. We consider a zero augmented generalized linear model to handle the weights and an observation driven approach to describe time varying parameters. The result is a flexible approach where the probability of a link to exist is independent from its expected weight. This represents a crucial difference with alternative specifications proposed in the recent literature, with relevant implications for the flexibility of the model. Our approach also accommodates for the dependence of the network dynamics on external variables. We present a link forecasting analysis to data describing the overnight exposures in the Euro interbank market and investigate whether the influence of EONIA rates on the interbank network dynamics has changed over time.