Statistical inference for moving-average Lévy-driven processes: Fourier-based approach
研究了连续时间滑动平均Lévy过程的半参数统计估计的一种新方法。我们推导出所提出的估计的收敛速度，并表明这些速度是最佳的极大极小意义。
2017-02-09 stat.ME
A Novel First-Order Autoregressive Moving Average Model to Analyze Discrete-Time Series Irregularly Observed
提出了一种新的一阶自回归滑动平均模型，用于分析离散时间序列。在高斯性下，可以确定该模型是严格平稳且各态历经的。在一般情况下，证明了该模型是弱平稳的。给出了状态空间表示的最低维数以及一步线性预测器及其均方误差。讨论了极大似然估计方法，并通过蒙特卡罗实验对它们的有限样本行为进行了评估。这些实验表明，偏差，根均方误差，变异系数较小时，系列的长度增加。此外，即使在相对较小的样本量下，该方法也提供了对标准误的良好估计。此外，不规则间隔的时间似乎增加了估计的可变性。该模型的应用是通过两个现实生活中的例子。第一个是关于医疗数据，而第二个描述了天文数据集分析。
2022-03-30 math.ST stat.ME stat.TH
Modelling spatial heteroskedasticity by volatility modulated moving averages
空间异方差性是指方差和协方差在空间上随机变化。例如，在空气污染和植被数据中就观察到了这种特征。我们研究如何波动率调制移动平均线可以通过发展理论，模拟和统计推断方法来模拟这一点。为了说明，我们也适用于我们的程序，从国际气候与社会研究所的海表温度异常数据。
2016-09-15 stat.ME
Robust estimation for Threshold Autoregressive Moving-Average models
门限自回归滑动平均（TARMA）模型由于其能够简洁地描述多种复杂的动力学特征而在时间序列分析中得到广泛应用。然而，当数据呈现重尾或异常观测时，目前既没有理论也没有估计方法，这在应用中经常发生。在本文中，我们提供了第一个理论框架的稳健M-估计的TARMA模型，并研究其实际意义。在较弱的条件下，我们证明了阈值参数的稳健估计是超相合的，而自回归和滑动平均参数的估计是强相合的且渐近正态的.蒙特卡罗研究表明，M估计量在偏倚和方差方面优于最小二乘估计量，后者可能受到离群值的严重影响。研究结果表明，稳健的M-估计一般应首选最小二乘法。最后，我们将我们的方法应用于一组商品价格时间序列;稳健的TARMA拟合呈现出较小的标准误，并导致优于最小二乘拟合的预测精度。结果支持的两个制度，非对称非线性零，其特征在于缓慢的扩张和快速收缩的假设。
2022-11-15 econ.EM math.ST stat.ME
Visualizing periodic stability in studies: the moving average meta-analysis (MA2)
本文提出移动平均荟萃分析（MA2）方法，用于探索和可视化荟萃分析中的周期性稳定性，弥补传统累积荟萃分析在周期性稳定性展示上的不足。
2024-04-30 stat.ME
The Case against Generally Weighted Moving Average (GWMA) Control Charts
我们反对使用一般加权移动平均（GWMA）控制图。我们的主要原因如下：1）GWMA控制图统计量没有递归公式，因此必须存储所有以前的数据并用于每个图表统计量的计算。2)马尔可夫性质不适用于GWMA统计量，因此必须使用计算机模拟来确定控制限和统计性能。3)一个适当设计的，更简单的指数加权移动平均（EWMA）图表提供了良好或更好的统计性能。4)在某些情况下，GWMA图表给予过去数据值比当前值更多的权重。
2021-07-01 stat.ME
Extremal properties of max-autoregressive moving average processes for modelling extreme river flows
本文研究平稳 Max-ARMA 过程的极值性质，首次提出推导其极值指标和滞后渐近依赖系数的方法，并基于重新参数化拟合模型以捕捉高阈值下的河流流量行为，用英国泰晤士河数据进行了验证。
2024-03-25 math.ST stat.AP stat.ME
Signal Detection and Inference Based on the Beta Binomial Autoregressive Moving Average Model
本文提出了β二项式自回归滑动平均模型（BBARMA）的量化幅度数据和有界计数数据建模。BBARMA模型通过动态结构估计随时间观察到的贝塔二项式分布变量的条件平均值，该动态结构包括：（i）自回归和移动平均项;（ii）一组回归量;以及（iii）链接函数。除了介绍新的模型，我们开发的参数估计，检测工具，信号外的预测方案，和诊断措施。特别是，我们提供了封闭形式的表达式的条件得分向量和条件信息矩阵。为了评估条件极大似然估计器和所提出的检测器的性能，将所提出的模型提交给广泛的蒙特卡罗模拟。推导出的检测器优于通常的ARMA和高斯为基础的检测器的正弦信号检测。我们还提出了一个实验，在累西腓，巴西的月降雨天数的建模和预测。
2022-07-29 eess.SP math.ST physics.data-an
Estimating functional time series by moving average model fitting
功能性时间序列已成为功能性数据和时间序列分析的一个组成部分。最近在预测未来轨迹和估算功能性时间序列参数的方法、理论和应用方面作出了重要贡献。本文继续这一研究方向，提出了通过拟合函数移动平均过程来估计可逆函数时间序列的第一原则方法。其思想是估计函数线性滤波器中的系数算子。为此，利用函数创新算法作为起点，通过适当的投影到主方向来估计相应的移动平均算子。为了建立所提出的估计的一致性，渐近理论的发展，这些主方向的增加子空间。为了实用的目的，几个策略来选择的主方向的数量，包括在估计过程中，以及选择的顺序的功能移动平均过程进行了讨论。他们的经验性能进行评估，通过模拟和应用程序的车辆交通数据。
2017-01-03 stat.ME
Beta seasonal autoregressive moving average models
在本文中，我们介绍了一类β季节自回归移动平均（$β$ SARMA）模型的建模和预测时间序列数据，假设值在标准的单位间隔。它通过将季节动态纳入模型动态结构来推广β自回归移动平均模型[Rocha和Cribari-Neto，Test，2009]。除了介绍新的模型类，我们开发了参数估计，假设检验推理，和诊断分析工具。我们还讨论了样本外预测。特别是，我们提供了封闭形式的表达式的条件得分向量和条件费舍尔信息矩阵。我们还评估了有限样本性能的条件极大似然估计和白噪声测试使用蒙特卡罗模拟。一个经验的应用程序，并进行了讨论。
2018-06-20 stat.ME
Empirical likelihood-based portmanteau tests for autoregressive moving average models with possible infinite variance innovation
检验拟合的自回归滑动平均（ARMA）模型是否合适是文献中的一个重要任务，而当前使用的检验在潜在的自回归模型具有低持续性时可能遭受尺寸失真问题。为了填补这一空白，本文提出了两个经验似然为基础的组合检验。第一个是天真的，但可以作为一个基准，第二个是无限的方差创新的情况下。在较弱的矩条件下，导出了在原假设下的渐近分布，并通过模拟实验和两个实际数据例子证明了它们的有用性。
2022-09-20 stat.ME
Estimating Moving Average Processes with an improved version of Durbin's Method
本文提供了一个简单的方法来估计单变量和多变量MA过程。类似于Durbin的方法，它依赖于MA过程的参数与其AR表示的参数之间的递归关系。这种递归关系被证明是有效的可逆/稳定和不可逆/不稳定的过程的假设下，该过程没有常数，从零开始。这使得该方法也适用于单位根过程。
2014-06-26 stat.ME
Kumaraswamy autoregressive moving average models for double bounded environmental data
本文介绍了Kumaraswamy自回归滑动平均模型（KARMA），它是一种动态的时间序列模型，取值于Kumaraswamy分布的双有界区间$(a,b)$。Kumaraswamy分布族在许多领域有着广泛的应用，特别是水文学及其相关领域。经典的例子是表示随时间观察到的比率和比例的时间序列。在建议的KARMA模型中，中位数是由一个动态的结构，包含自回归和移动平均条款，随时间变化的回归，未知参数和链接功能。我们介绍了这类新的模型，并讨论了条件极大似然估计、假设检验推断、诊断分析和预测。特别是，我们提供了封闭形式的表达式的条件得分向量和条件费舍尔信息矩阵。环境的实际数据的应用和讨论。
2020-02-18 stat.ME
Beta Autoregressive Fractionally Integrated Moving Average Models
在这项工作中，我们介绍了一类β自回归分数积分移动平均模型的连续随机变量取值在连续单位区间$(0,1)$。该模型包含一组回归变量和一个长程相关的时间序列结构。我们推导了该模型参数的部分似然估计，获得了相关的得分向量和费舍尔信息矩阵。在较弱的条件下证明了估计量的相合性和渐近正态性。提出了假设检验、诊断工具和预测方法。一个蒙特卡罗模拟被认为是评估有限样本性能的偏似然估计和研究一些建议的测试。一个经验的应用程序也提出和讨论。
2018-07-26 stat.ME
Spatial autoregressive fractionally integrated moving average model
本文提出sp-ARFIMA模型，通过引入分数阶积分参数扩展空间依赖范围，推导其与时间序列ARFIMA的关系，并基于最大似然估计验证了其在大气细颗粒物数据中的应用价值。
2023-09-13 stat.AP stat.ME
2-D Rayleigh Autoregressive Moving Average Model for SAR Image Modeling
二维自回归滑动平均（ARMA）模型通常用于描述真实世界的图像数据，通常假设高斯或对称噪声。然而，真实世界的数据往往呈现非高斯信号，具有不对称分布和严格的正值。特别是，SAR图像是众所周知的，很好地表征了瑞利分布。在此基础上，介绍了一种适合于二维瑞利分布数据的ARMA模型--二维RARMA模型。2-D RARMA模型推导和条件似然推断进行了讨论。提出的模型进行了广泛的蒙特卡罗模拟的条件极大似然估计的性能进行评估。此外，在SAR图像处理的背景下，进行了两个全面的数值实验比较异常检测和图像建模的结果与传统的2-D ARMA模型和竞争的方法在文献中提出的模型。
2022-08-07 eess.IV eess.SP math.ST
Statistical test for fractional Brownian motion based on detrending moving average algorithm
受当代反常扩散过程的广泛应用的启发，我们提出了一种新的反常扩散系统的分数阶布朗运动的统计检验方法.该检验是基于去趋势移动平均统计量及其概率分布。利用高斯二次型理论，我们确定它是一个广义卡方分布。所提出的检验方法可以推广到任何中心非退化高斯过程的统计检验。最后，我们通过蒙特卡罗模拟的两个示例性的情况下，subdiffusive和superdiffusive动态检查测试。
2018-03-22 math.PR physics.data-an stat.AP
Statistical Analysis of Autoregressive Fractionally Integrated Moving Average Models
在实践中，几个时间序列表现出长期的依赖性或持久性，在他们的观察，导致了一些估计和预测方法的发展，以解释缓慢衰减的自相关。自回归分数积分移动平均（ARFIMA）过程是最著名的一类长记忆模型。在R的afmtools包中，我们已经实现了一些用于分析ARFIMA模型的统计工具。特别地，该软件包包含用于参数估计、精确自协方差计算、预测能力测试和脉冲响应函数等的函数。最后，实现的方法与应用程序说明了现实生活中的时间序列。
2012-08-08 stat.AP stat.CO stat.ME
Penalised inference for autoregressive moving average models with time-dependent predictors
近年来，包含时间依赖响应和解释变量的线性模型引起了人们的极大兴趣。现有方法的最一般形式是具有自回归移动平均残差的线性回归模型。添加移动平均分量会导致模型复杂，实现起来非常困难。在本文中，我们提出的时间依赖性的数据，明确加入自回归项的响应变量的线性模型。此外，我们考虑了自回归过程的错误，以捕捉复杂的动态关系吝啬。为了拓宽模型的应用，我们提出了一个$l_1$惩罚似然方法的参数估计，并显示如何自适应套索罚款导致估计享有预言属性。此外，我们证明了估计的一致性，相对于在高维设置的均方预测误差，尚未考虑由现有的时间依赖回归模型的一个方面。仿真研究和实际数据分析表明，该模型在股票指数的财务数据上得到了成功的应用。
2015-01-06 stat.ME
The Steady-State Behavior of Multivariate Exponentially Weighted Moving Average Control Charts
多变量指数加权移动平均（MEWMA）图是检测多变量数据流中分布变化的流行、方便和有效的程序。为了进行适当的性能分析，处理MEWMA统计量的稳态行为是必不可少的。超越早期的论文，我们得到相当准确的近似各自的稳态密度的MEWMA统计。事实证明，这些密度可以重写为两个函数的乘积，仅取决于一个参数，这允许可行的计算。为了证明相关的陈述，非中心卡方密度部署合流超几何极限函数的表示被应用。使用新的方法，它被发现，对于大尺寸，稳态行为变得不同，人们可能会期望从单变量监测领域。基于积分方程驱动的方法，稳态和最坏情况下的平均运行长度的计算精度比以前更高。最后，最佳MEWMA平滑常数推导出所有考虑的措施。
2018-08-15 stat.ME
A Class of Time-Varying Vector Moving Average Models: Nonparametric Kernel Estimation and Application
多变量动态时间序列模型在实际研究中广泛遇到，例如，建立政策传导机制模型，衡量经济主体之间的联系。为了更好地捕捉动态，本文提出了一个广泛的类的多变量动态模型与时变系数，具有一般的时变向量移动平均（VMA）表示，和嵌套，例如，时变向量自回归（VAR），时变向量自回归移动平均（VARMA），等等作为特殊情况。然后，本文发展了一个统一的估计方法的未知量之前，所提出的估计量的渐近理论建立。在实证研究中，我们使用美国的数据考察了货币政策的传导机制，发现外生冲击的波动率下降。此外，我们发现（i）货币政策冲击在所谓的大缓和之前和期间对通货膨胀的影响较小，（ii）通货膨胀最近更加稳定，（iii）通货膨胀的长期水平低于，但非常接近美联储在大缓和时期开始后设定的2%的目标。
2020-10-04 econ.EM stat.ME
Exponentially weighted moving average chart using zero-inflated negative binomial distribution
针对含大量零值的过度离散计数数据，本研究提出用ZINB模型适配数据，设计Shewhart和EWMA控制图开展监测，经模拟与真实数据验证，EWMA控制图性能更优。
2025-09-03 stat.AP stat.ME
Bayesian Analysis of Beta Autoregressive Moving Average Models
本文针对βARMA模型提出基于Hamiltonian Monte Carlo的贝叶斯估计与单位根检验方法，并通过模拟和实证预测比较验证其有效性。
2023-07-13 stat.CO stat.ME stat.OT
An Extension of the Iterated Moving Average
本文提出了 Extended Kolmogorov-Zurbenko (EKZ) 滤波器，通过放宽窗口长度必须为正奇数的限制扩展了传统 KZ 滤波器，从而提供无限滤波器选择并增强对滤波特性的控制，适用于时间序列分量分离、信号重建和预测等广泛应用。
2025-01-31 stat.AP stat.ME
Sparse Identification and Estimation of Large-Scale Vector AutoRegressive Moving Averages
向量自回归移动平均（VARMA）模型是多元时间序列理论的基础;然而，可识别性问题导致从业者放弃它，转而使用更简单但更具限制性的向量自回归（VAR）模型。我们缩小了这一差距，一个新的优化为基础的方法，以VARMA识别建立在简约的原则。在所有等价的数据生成模型中，我们使用凸优化来寻求在某种意义上“最简单”的参数化。一个用户指定的强凸惩罚用于衡量模型的简单性，然后使用相同的惩罚来定义一个可以有效计算的估计。我们建立我们的估计在双渐近制度的一致性。我们的非渐近误差界分析，可容纳模型规格和参数估计步骤，一个功能，是研究大规模VARMA算法的关键。我们的分析也提供了新的结果，惩罚估计的无穷阶VAR，和弹性网回归下的奇异协方差结构的回归，这可能是独立的利益。我们说明了我们的方法的优势VAR替代品上的三个真实数据的例子。
2021-06-08 stat.ME
Generalized Autoregressive Moving Average Models with GARCH Errors
广义自回归模型平均模型（GARMA）是一类重要且广泛使用的非高斯时间序列模型，它为基础时间序列的条件均值过程指定了ARMA结构。然而，在许多应用中，人们经常遇到条件异方差。在本文中，我们提出了一类新的模型，称为GARMA-GARMA模型，共同指定的条件均值和条件方差过程的一般非高斯时间序列。在一般的建模框架下，我们提出了三个具体的模型，作为例子，比例时间序列，非负时间序列，和倾斜和重尾金融时间序列。采用极大似然估计和拟高斯极大似然估计进行参数估计。仿真研究和三个应用程序被用来证明模型和估计程序的属性。
2021-05-12 econ.EM stat.ME
SARMA: Scalable Low-Rank High-Dimensional Autoregressive Moving Averages via Tensor Decomposition
针对高维时间序列VARMA模型应用受限的问题，提出Tucker低秩SARMA模型，通过时间维度参数化将有限阶VAR推广至无限阶，并结合因子载荷稀疏性实现变量选择，模拟与实证均验证了其优势。
2025-04-30 stat.ME
A Bayesian Dirichlet Auto-Regressive Moving Average Model for Forecasting Lead Times
本文提出贝叶斯狄利克雷自回归移动平均（B-DARMA）模型，用于酒店行业交付周期成分时间序列的建模与预测，解决了大型成分向量和长短时间序列的分析问题，并提供可解释参数和合理预测。
2024-02-22 stat.AP stat.ME
Prediction Intervals in the Beta Autoregressive Moving Average Model
Universidade Federal de Santa Maria（圣玛丽亚联邦大学）；UFPE（伯南布哥联邦大学）
在本文中，我们提出了五个预测区间的贝塔自回归移动平均模型。此模型适用于对假定值在$(0,1)$区间内的变量进行建模和预测。两个建议的预测区间是基于考虑正态分布和β分布的分位数函数的近似值。我们还考虑了基于自举的预测区间，即：（i）自举预测误差（BPE）区间;（ii）偏差校正和加速（BCa）预测区间;以及（iii）基于两种不同自举方案的自举预测值的分位数的百分位预测区间。根据蒙特卡罗模拟评价了建议的预测区间。BCa预测区间在评价区间中表现最好，表现出较低的覆盖率失真和较小的平均长度。我们应用我们的方法来预测巴西圣保罗的Cantareira供水系统的水位。
2022-07-24 cs.LG eess.SP physics.data-an
Parametric quantile autoregressive moving average models with exogenous terms applied to Walmart sales data
带外生项的参数自回归滑动平均模型（ARMAX）在文献中得到了广泛的应用。通常，这些模型考虑条件均值或中值动态，这限制了分析。本文介绍了一类基于对数对称分布的分位数ARMAX模型。这个类别是由分位数和分散参数索引的。它不仅适应了双峰和/或轻/重尾分布数据建模的可能性，而且还适应异方差性。我们用条件极大似然法估计模型参数。此外，我们进行了广泛的蒙特卡罗模拟研究，以评估所提出的模型和估计方法在检索真实的参数值的性能。最后，将所提出的模型类和估计方法应用于竞争“M5预测-准确性”的数据集，该数据集对应于几种沃尔玛产品的每日销售历史。结果表明，所提出的对数对称分位数ARMAX模型具有良好的模型拟合和预测性能。
2022-05-31 stat.AP stat.ME
