基于高阶动态的结构化 VARMA 模型识别与估计
统计理论
2020-09-10 v1 统计理论
摘要
我们利用来自高阶矩的信息，通过基于向量线性过程高阶谱密度阵列新表示的频域准则，实现非高斯结构向量自回归移动平均（SVARMA）模型（可能非基元或非因果）的识别。这允许基于高阶累积量动态识别行列式滞后矩阵多项式根的位置，并识别模型误差的旋转，从而得到至多差一个符号与置换的结构化冲击。我们描述了全局与局部参数识别的充分条件，其依赖于线性动态的简单秩假设以及结构新息的有限阶序列与分量独立性条件。我们推广先前的单变量分析，在给定特定结构冲击排序且无因果性或可逆性假设下，利用二阶与非高斯高阶动态发展出渐近正态且有效的估计量。通过真实与模拟数据探讨了自助法对有限样本分布的近似以及数值方法的性质。
引用
@article{arxiv.2009.04428,
title = {Identification and estimation of Structural VARMA models using higher order dynamics},
author = {Carlos Velasco},
journal= {arXiv preprint arXiv:2009.04428},
year = {2020}
}
备注
71 pages, 1 figure