时间序列模型误差自协方差的贝叶斯估计
统计方法学
2022-10-17 v1
摘要
时间序列模型中误差项的自协方差在其所属模型的估计与推断中起着关键作用。通常，为简化估计，会对误差假定某种任意的参数结构，这不可避免地引入了潜在的模型误设。因此我们对其进行非参数估计。为避免传统非参数截断方法下困难的带宽选择问题，本文在频域中对其谱密度进行贝叶斯估计。为此，我们考虑两种情形：固定误差方差与时变误差方差。每种方法均用于估计自协方差的谱密度及模型参数。该方法被应用于汇率预测，并证明优于包括无漂移随机游走在内的一些基准模型。
引用
@article{arxiv.2210.07457,
title = {Bayesian estimation of the autocovariance of a model error in time series},
author = {Yoon Bae Jun and Chae Young Lim and Kun Ho Kim},
journal= {arXiv preprint arXiv:2210.07457},
year = {2022}
}
备注
See https://github.com/junpeea/NSBTR