基于经验特征函数法的稳定创新季节性分数阶 ARIMA 估计
统计理论
2016-11-26 v3 统计理论
摘要
最大似然法虽然被广泛使用，但由于模型所基于的假设与观测数据的真实概率密度分布不一致，可能缺乏稳健性。由于经验特征函数 (ECF) 是经验分布函数的傅里叶变换，它保留了样本中的所有信息，但能克服似然法带来的困难。本文讨论了一种通过 ECF 估计稳定季节性分数阶 ARIMA 过程的方法。在某些假设下，我们证明了所得估计量是一致的且渐近正态分布。为了比较，我们还考虑了 Ndongo 等人 (2010) 开发的 MCMC Whittle 方法。利用蒙特卡洛模拟讨论了这两种方法的性能。
引用
@article{arxiv.1211.7262,
title = {Estimation for seasonal fractional ARIMA with stable innovations via the empirical characteristic function method},
author = {Mor Ndongo and Abdou Kâ Diongue and Aliou Diop and Simplice Dossou-Gbété},
journal= {arXiv preprint arXiv:1211.7262},
year = {2016}
}