Adaptive Student’s t-distribution with method of moments moving estimator for nonstationary time series

要約

タイトル: 非定常時系列のためのモーメント推定移動推定子を用いた適応的なスチューデントのt分布
要約:
– 現実世界の時系列は通常、非定常性を持っており、モデルの適合性を問題視されている。
– これまでの古典的な方法では、ARMA-ARCHをはじめとする任意の相関の型を仮定している。
– そのため、最近提案された移動推定子のアグノスティック哲学に焦点を当てる。例えば、時刻tで、tより前の時間に関する最適化されたパラメータを見つけることを目的とした移動対数尤度Ftを最適化するパラメータを見つける方法である。
– 実際、この方法により、安価な指数平滑移動平均（EMA）を用いたパラメータの推定が可能になり、絶対重心モーメントE [| x-μ | p]を1つまたは複数のパワーP∈R + usingm_{p , t + 1 } =m_{p , t} +η (| x _ t-μ _ t |^p-m_{p , t})に応用できる。
– このような適応的な方法をスチューデントのt分布に適用した場合、経済的アプリケーションに特に人気があり、ここではDJIA企業の対数収益に適用される。 ARMA-ARCHアプローチはμとσの進化を提供しますが、ここでは尾の形状を表すρ（x）〜| x | ^ {-ν-1}を説明するνの進化も得られます。これは市場の不安定化を招く可能性がある極端なイベントの確率を示します。

要約(オリジナル)

The real life time series are usually nonstationary, bringing a difficult question of model adaptation. Classical approaches like ARMA-ARCH assume arbitrary type of dependence. To avoid such bias, we will focus on recently proposed agnostic philosophy of moving estimator: in time $t$ finding parameters optimizing e.g. $F_t=\sum_{\tauarxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI