用于位置、尺度和形状的信号回归模型及其在股票收益中的应用
统计计算
2016-05-16 v1
摘要
我们讨论了标量对函数回归模型，其中假设响应分布的所有参数均可根据协变量建模。因此，我们将信号回归模型与用于位置、尺度和形状的广义可加模型（GAMLSS）相结合。我们比较了两种根本不同的估计方法：梯度提升和基于惩罚似然的方法，并讨论了可识别性和模型选择等实际重要问题。通过分量梯度提升算法进行估计可适用于高维数据设定和变量选择。基于惩罚似然方法的估计具有直接提供统计推断的优势。动机应用是股票收益的时间序列，其中根据滞后响应值和函数流动性曲线对期望和方差进行建模是令人感兴趣的。
引用
@article{arxiv.1605.04281,
title = {Signal Regression Models for Location, Scale and Shape with an Application to Stock Returns},
author = {Sarah Brockhaus and Andreas Fuest and Andreas Mayr and Sonja Greven},
journal= {arXiv preprint arXiv:1605.04281},
year = {2016}
}