基于EM算法的多元重尾整数值GARCH过程
摘要：基于多元泊松广义逆高斯分布，提出了一种新的整数值广义自回归条件异方差过程。通过最大似然方法估计所提出的多元重尾计数时间序列模型的参数是具有挑战性的，因为似然函数涉及到依赖多元计数及其维度的贝塞尔函数。因此，在优化过程中经常出现数值不稳定的情况。为了克服这个计算问题，在低维和高维设置下，提出了两个可行的期望最大化(EM)算法变体来估计我们模型的参数。这些EM算法变体提供了计算上的优势，并帮助避免对所提出模型的似然函数进行复杂的直接优化。我们的模型和提出的估计过程可以处理多个特征，如多元计数建模、重尾现象、过离散、异常值的容纳、正负自相关的考虑、交叉/同时相关的估计，以及从统计和计算角度有效地估计参数等。通过广泛的蒙特卡洛模拟研究来评估所提出的EM算法的性能。讨论了在澳大利亚建模双变量计数时间序列数据，即与大麻持有相关的违法行为。
作者：Yuhyeong Jang, Raanju R. Sundararajan and Wagner Barreto-Souza
论文ID：2306.17776
分类：Computation
分类简称：stat.CO
提交时间：2023-07-03