观测驱动模型中极大似然估计量收敛的易验证充分条件
统计理论
2015-06-08 v1 统计理论
摘要
本文推广了 \cite{dou:kou:mou:2013} 所考虑的观测驱动时间序列模型中的渐近性质，其推广之处在于允许每次观测的条件分布也依赖于参数。在易验证的条件下，推导出了遍历解的存在性以及极大似然估计量（MLE）的一致性。所得条件似乎适用于广泛的模型类。我们用具体的观测驱动时间序列（包括最近提出的 NBIN-GARCH 和 NM-GARCH 模型）来说明我们的结果，证明了这两种模型的 MLE 的一致性。
引用
@article{arxiv.1506.01831,
title = {Handy sufficient conditions for the convergence of the maximum likelihood estimator in observation-driven models},
author = {Randal Douc and François Roueff and Tepmony Sim},
journal= {arXiv preprint arXiv:1506.01831},
year = {2015}
}