Binomial Autoregressive Moving Average Models With an Application to U.S. Recessions
二项自回归移动平均模型及其在美国经济衰退中的应用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：摘要明确研究二元时间序列的动态持续性，并以美国衰退序列为应用对象，因此归入宏观时间序列方向。
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
二项自回归移动平均模型及其在美国经济衰退中的应用
- 研究问题
- 如何为美国衰退等二元时间序列建模，在缓解长滞后马尔可夫模型维数问题的同时，刻画更灵活的持续性？
- 方法与思路
- 作者用 BARMA 模型刻画二元序列，以自持续函数及其图形概括持续性；参数可用最大似然或 MCMC 方法估计。
- 材料陈述的贡献
- 摘要称，模型缓解长滞后下的维数问题并允许非马尔可夫持续性；美国衰退应用中 BARMA(2,2) 优于传统马尔可夫模型。
- 阅读关注点
- 核对二元 BARMA 的构造、参数约束、自持续函数的定义及估计实现，并确认应用中采用哪些基准模型和比较指标。
- 阅读边界
- 摘要未说明衰退样本、模型选择标准或比较指标，因此不能判断所称优势是否体现为预测改进，或能否推广到其他二元序列。
原文摘要
Binary Autoregressive Moving Average (BARMA) models provide a modeling technology for binary time series analogous to the classic Gaussian ARMA models used for continuous data. BARMA models mitigate the curse of dimensionality found in long lag Markov models and allow for non-Markovian persistence. The autopersistence function (APF) and autopersistence graph (APG) provide analogs to the autocorrelation function and correlogram. Parameters of the BARMA model may be estimated by either maximum likelihood or MCMC methods. Application of the BARMA model to U.S. recession data suggests that a BARMA(2, 2) model is superior to traditional Markov models.