GARTFIMA过程及其基于谱密度的经验估计
Niharika Bhootna1, Arun Kumar1
1Department of Mathematics, Indian Institute of Technology Ropar, Rupnagar, Punjab, India.
Journal of applied statistics
|July 29, 2024
概括
这项研究引入了一种新的时间序列模型,即Gegenbauer自回归温和分数集成移动平均线 (GARTFIMA) 过程. 与现有的时间序列方法相比,GARTFIMA在模拟真实数据方面表现出卓越的性能.
科学领域:
- 时间序列分析时间序列分析
- 随机过程 随机过程
- 计量经济学 计量经济学
背景情况:
- 分数集成的时间序列模型被广泛用于各种领域.
- 现有的模型可能无法有效地捕捉复杂的时间依赖.
- 显然,需要先进的模型,提高灵活性是显而易见的.
研究的目的:
- 引入一个新的 Gegenbauer 自动回归炼分数集成移动平均线 (GARTFIMA) 过程.
- 分析理论性质,包括光谱密度和自共变函数.
- 评估参数估计技术和模型性能.
主要方法:
- 开发了GARTFIMA工艺,并推导出其光谱密度和自转变函数.
- 使用非线性最小平方和惠特尔概率估计来估计参数.
- 使用模拟数据评估模型性能.
主要成果:
- 为GARTFIMA过程推导了光谱密度和自共变函数.
- 对模拟数据成功应用了参数估计技术.
- GARTFIMA过程显示了对现实世界数据集的改进建模能力.
结论:
- 拟议的GARTFIMA过程为时间序列建模提供了灵活和有效的工具.
- 开发的估计方法适合实际应用.
- 在捕捉真实世界的数据动态方面,GARTFIMA的表现优于传统模型.


