一类含多重延迟的离散时间马尔可夫切换时间序列模型的最大似然推断
统计方法学
2023-11-21 v1 统计计算
摘要
自回归马尔可夫切换(ARMS)时间序列模型用于表示动力学可能随时间变化的真实信号。它们已应用于自然科学、社会科学以及工程的诸多领域。一般而言,此类系统的推断涉及两个问题:(a)检测信号可能采用的 distinct 动力学模型的数量,以及(b)估计这些模型中的未知参数。本文中,我们引入了一类ARMS时间序列模型,其包含许多由随机延迟微分方程(DDEs)离散化得到的系统。值得注意的是,该类包含离散化时间网格未必与DDE延迟对齐的情况,从而产生具有实数(非整数)延迟的离散时间ARMS模型。我们描述了用于最大似然检测动力学模态数量以及估计未知参数(包括可能非整数的延迟)的方法,并通过一个厄尔尼诺-南方涛动(ENSO)现象的ARMS模型说明了其应用。
引用
@article{arxiv.2311.11445,
title = {Maximum likelihood inference for a class of discrete-time Markov-switching time series models with multiple delays},
author = {José A. Martínez-Ordóñez and Javier López-Santiago and Joaquín Miguez},
journal= {arXiv preprint arXiv:2311.11445},
year = {2023}
}