带有正态逆高斯新息的自回归模型的期望最大化算法
统计方法学
2021-11-15 v1 统计理论
统计理论
摘要
自回归（AR）模型用于表示时变随机过程，其中输出线性依赖于先前项和一个随机项（新息）。在经典版本中，AR 模型基于正态分布。然而，该分布无法描述带有离群值和非对称行为的数据。本文中，我们研究带有正态逆高斯（NIG）新息的 AR 模型。NIG 分布属于半重尾分布类，具有广泛的形状范围，因此能够描述可能出现跳跃的真实数据。采用期望最大化（EM）算法来估计所考虑模型的参数。该估计过程的效能通过模拟数据得以展示。我们给出了一个比较研究，其中也纳入了经典估计算法，即 Yule-Walker 和条件最小二乘法，以及用于模型参数估计的 EM 方法。所引入模型的应用通过真实金融数据予以演示。
引用
@article{arxiv.2111.06565,
title = {The expectation-maximization algorithm for autoregressive models with normal inverse Gaussian innovations},
author = {Monika S. Dhull and Arun Kumar and Agnieszka Wylomanska},
journal= {arXiv preprint arXiv:2111.06565},
year = {2021}
}