基于GARCH模型的排名序列分析
统计方法学
2025-02-10 v1 统计计算
机器学习
摘要
排名数据在当今非常常见，但对于这种在时间上被观测的数据仍缺乏有效的方法。本文通过提出和发展新模型来处理排名时间序列数据。我们引入一类受广义自回归条件异方差 (GARCH) 模型启发的时变排名模型。更具体地，定义了当前排名给定过去排名的条件分布，其中假设过去排名遵循Mallows分布，这会隐式地依赖于距离度量。随后，通过条件期望值将自回归和反馈组件纳入模型。我们建立了此类排名GARCH模型的理论性质，如平稳性和 Ergodicity。参数估计通过完全观测数据的最大似然估计实现。我们开发了蒙特卡洛期望最大化算法以处理缺失数据的情况。 presented for studying the performance of the proposed estimators under both non-missing and missing data scenarios. A real data application about the weekly ranking of professional tennis players from 2015 to 2019 is presented under our proposed ranking GARCH models.
引用
@article{arxiv.2502.05102,
title = {Time Series Analysis of Rankings: A GARCH-Type Approach},
author = {Luiza Piancastelli and Wagner Barreto-Souza},
journal= {arXiv preprint arXiv:2502.05102},
year = {2025}
}
备注
Paper submitted for publication