整数值GARCH模型的两类稳健估计

发布时间：2020-12-12 04:04

　　计数时间序列数据在实践中广泛存在.例如股票市场每日成交量、每小时记录的电话网中的占线次数、某个小镇在连续数月内发生的交通事故次数、某种特定疾病所患人数、某网页的每日浏览次数等等.Cox（1981）将拟合计数时间序列的模型分为由参数驱动的模型和由观察值驱动的模型.关于后者目前主要有两类模型.一种是由Alzaid和Al-Osh（1987）提出的基于稀疏算子的一阶整数值自回归模型,它得到了研究者们广泛关注和大量研究.另外一种是Ferland等（2006）提出的泊松整数值广义自回归条件异方差（INGARCH）模型,许多人研究了这个模型,例如Fokianos等（2009）,Neumann（2011）以及Doukhan等（2012）等.另外,近些年来,人们又致力于放宽INGARCH模型的泊松分布的假设并把泊松INGARCH模型推广到其它分布上.例如负二项INGARCH模型（NB-INGARCH）、广义泊松INGARCH模型、零堆积INGARCH模型、COM泊松INGARCH模型、无穷可分INGARCH模型、单参数指数族INGARCH模型等.最大似然估计是常用的参数估计方法,但是这种估计方法对离群值... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：105 页

【学位级别】：博士

【部分图文】：

1 MME或QMLE以及在不同调整常数下的稳健估计量的相对有效性.

图2.3.2展示的是在干净数据来自于模型(2.1.1)下的Q-Q图.横坐标表示标准正态分位数,纵坐标表示样本参数估计分位数.由于非稳健加权的稳健估计跟基于帽子矩阵的稳健估计很接近,所以图中的第二列与第三列看起来几乎一样,类似的现象在图2.3.1中也看到过.另外这个图支持了稳健估计量渐近正态性的猜测.2.3.2 有离群值时的情形

其中是在特定时刻下观测到的污染观测值,是离群值的大小.接下来的模拟结果都是基于500个样本大小为1000的数据集并且所考虑的参数向量为图2.3.4不同估计对于在大小不断增加的一个瞬态离群值下的MSE.


本文编号：2911824